Você está na página 1de 37

1

1.1

Espaos Vetoriais Arbitrrios

Espaos Vetoriais Reais

O que essa seo faz estender o conceito de vetor usando as propriedades bsicas de vetores
em Rn como axiomas. Se um conjunto de objetos satiszer esses axiomas teremos a garantia
de que eles se comportam como vetores conhecidos.

1.1.1

Axiomas de Espao Vetorial

A prxima denio consiste de 10 axiomas, 8 dos quais foram enunciados no Cap 3 como
propriedades de vetores no Rn :
Denio 1 Seja V um conjunto no vazio qualquer de objetos no qual estejam
denidas duas operaes, a adio e a multiplicao por escalar. Por adio entendemos uma regra que associa a qualquer par de objetos !
u e !
v em V um objeto !
u +!
v
!
!
denominada soma de u com v ; por multiplicao por escalar entendemos uma regra que
associa a cada escalar a e cada objeto !
u em V, um objeto a!
u , denominado multiplo escalar
!
de u por a. Se os axiomas seguintes forem satisfeitos por todos os objetos !
u, !
v e!
w em
V e quaisquer escalares a e b diremos que V um espao vetorial e os objetos em V
so vetores.
1. Se !
u e!
v 2 V , ento, !
u +!
v 2V
!
!
!
!
2. u + v = v + u
3. !
u + (!
v +!
w ) = (!
u +!
v)+!
w
!
4. 9 0 2 V; Denominado Vetor nulo (ou zero) de V, tal que 0 + !
u = !
u + 0, para
!
qualquer u 2 V
5. Dado qualquer u 2 V existe algum objeto !
v 2 V , denominado negativo de u, tal
que u + ( !
v)=( !
v)+!
v =0
6. Se a 2 R e u 2 V; ento au 2 V
7. a(!
v +!
v ) = a!
v + a!
v
!
!
8. (a + b) v = a v + b!
v
9. a(b!
v ) = (ab)!
v
!
10. 1 v =!
v
Observao 2 Note que a denio de um espao vetorial no especica nem a natureza
dos objetos (vetores) nem das operaes (no precisam ser as operaes padres de soma e
multiplicao por escalar). A nica exigncia que os 10 axiomas sejam satisfeitos.Como
veremos existe o espao vetorial de funes reais, das matrizes e etc.
Passos para mostrar que um espao com duas operaes um espao vetorial
Passo 1.- Identique o conjunto de objetos que sero os vetores
Passo 2.- Identique as operaes de soma e multiplicao por escalar
Passo 3.- Verique a validade dos Axiomas 1 e 6, que podem tambm ser denominados,
fechamento na soma e na multiplicao por escalar, respectivamente.
Passo 4.- Conrme que valem os Axiomas 2, 3,4, 5, 7, 8, 9, 10.
Exemplos de Espas Vetoriais:
Exemplo 3 Espao vetorial nulo

Passo
Passo
Passo
Passo

1.2.3.4.-

V consiste de um nico elemente, que denotamos por 0


Dena a operao usual a operao usual 0 + 0 = 0 e a0 = 0 para a 2 R
Decorre da denio acima
So facilmente vericveis.

Exemplo 4 Rn um espao vetorial


Passo 1.- V consiste de todas as n-uplas de reais, ou seja V =Rn .
Passo 2.- Dena as operaes usuais de soma e multiplicao por escalar como u + v =
(u1 ; u2 ; :::; un ) + (v1 ; v2 ; :::; vn ) e a(u1 ; u2 ; :::; un )=(au1 ; au2 ; :::; aun ) para a 2 R
Passo 3.- Note que V fechado na soma e na multiplicao por escalar, pois as operaes
do passo 2 denem n-uplas de reais, e portanto pertencem a V .
Passo 4.- Pelo que foi visto no cap 3 (teorema 3.1.1) essas n-uplas satisfazem os Axiomas
2, 3, 4, 5, 7, 8, 9 e 10.
Exemplo 5 O espao vetorial das sequncias innitas de nmeros reais.
Passo 1.- V consiste de todos os objetos da forma u =(u1 ; u2 ; :::; un ; ::::), ou seja, V =R1 .
Passo 2.- Dena as operaes usuais de soma e multiplicao por escalar como u + v =
(u1 ; u2 ; :::; un ; :::) + (v1 ; v2 ; :::; vn ; ::::) e a(u1 ; u2 ; :::; un ; :::)=(au1 ; au2 ; :::; aun ; :::) para a 2 R
Passo 3.- Note que V fechado na soma e na multiplicao por escalar, pois as operaes
do passo 2 denem sequencias innitas de numeros reais, e portanto pertencem a V .
Passo 4.- Novamente, pelo que foi visto no cap 3 (teorema 3.1.1) essas sequncias innitas
de numeros reais satisfazem os Axiomas 2, 3, 4, 5, 7, 8, 9 e 10.
Exemplo 6 Espao vetorial das matrizes 2x2.
u11 u12
V =M22 .
u21 u22
Passo 2.- Dena as operaes usuais de soma e multiplicao por escalar como u + v =
u11 u12
v11 v12
u11 u12
au11 au12
+
ea
=
para a 2 R
u21 u22
v21 v22
u21 u22
au21 au22
Passo 3.- Note que V fechado na soma e na multiplicao por escalar, pois as operaes
do passo 2 denem matrizes 2x2 de numeros reais, e portanto pertencem a V .
Passo 4.- Alguns dos Axiomas decorrem das prprias propriedades de soma e multiplicao
por escalar de matrizes. Por exemplo, do teorema 1.4.1 temos que
Axioma 2 equivalente a (a) A + B = B + A
Axioma 3 equivalente a (b) (A + B) + C = A + (B + C)
Axioma 7 equivalente a (h) a(A + B) = aA + aB
Axioma 8 equivalente a (j) (a + b)A = aA + bA
Axioma 9 equivalente a (l) a(bA) = (ab)A
Falta vericar os axiomas 4, 5 e 10
Axioma 4 - Note que no espao de matrizes M22 existe uma matriz 0 2 V tal que
0 + u = u + 0 = upara qualquer u 2 V
0 0
u11 u12
u11 u12
0 0
u11
Seja 0 =
eu=
,ento u + 0 =
+
=
0 0
u21 u22
u21 u22
0 0
u21
u
0 0
u11 u12
u11 u12
e analogamente, 0 + u =
+
=
=u
0 0
u21 u22
u21 u22
Axioma 5 - Para cada u 2 V; existe um u 2 V; tal que u + ( u) = ( u) + u = 0
u11 u12
u11
u12
u11 u12
Seja u =
ento u =
; logo u + ( u) =
+
u21 u22
u21
u22
u21 u22
u11
u12
0 0
=
=0
u21
u22
0 0
u11
u12
u11 u12
0 0
Analogamente, ( u) + u =
+
=
=0
u21
u22
u21 u22
0 0
u11 u12
u11 u12
Axioma 10 - vlido pois 1u = 1
=
=u
u21 u22
u21 u22
Passo 1.- V consiste de todos os objetos da forma u =

u12
u22

Exemplo 7 Espao vetorial das matrizes mxn.


Facilmente mostrado adaptando a explicao do exemplo anterior.
Exemplo 8 Espao vetorial de funes de reais.
Passo 1 - V o conjunto das funes reais, isto f :R ! R que esto denidas em cada
x do intervalo ( 1;1)
Passo 2.- Se f e g 2 V dena as operaes usuais de soma e multiplicao por escalar
como (f + g)(x) = f (x) + g(x) e (af )(x)=af (x) para a 2 R: O conjunto V com essas
propriedades denotado pelo smbolo F ( 1;1) e um espao vetorial em R.
Passo 3.- Axiomas 1 e 6, tomando duas funes quaisquer no intervalo ( 1;1), e portanto em V fcil ver que a soma e a multiplicao por escalar tambm estaro denidas
em ( 1;1) e portanto tambm estaro em V , logo, F ( 1;1) fechado na soma e na
multiplicao por escalar ver grco abaixo (a) e (b) abaixo:

Passo 4.- Vericao dos Axiomas 2,3,4,5,7,8,9 e10


O Axioma 4 exige que exista alguma funo 0 em F ( 1;1) que somada com qualquer
outra funo f em F ( 1;1), produza valores f de volta como resultado. Geometricamente,
o grco da funo 0 a reta que coincide com o eixo x, conforme o grco (c) acima
O Axioma 5 exige que dada qualquer funo f em F ( 1;1), existe uma funo f em
F ( 1;1) que somada a funo f produza a funo 0. O grco de f pode ser obtido
reetindo o grco de f em torno do eixo x, conforme o grco (c) acima.
Os axiomas 2, 3, 7, 8, 9 e 10 seguem das propriedades dos nmeros reais, por exemplo, se
f e g forem funes em F ( 1;1), ento elas assumem valores reais, consequentemente, o Axioma exige que f + g = g + f . Mas, isso segue de (f + g)(x) = f (x) + g(x) = g(x) + f (x) = (g + f )(x)
em que a igualdades central uma propriedade dos nmeros reais.
Exemplo 9 Um conjunto que no espao vetorial (Exerccio 15)
Passo 1.- Seja V = R2 .
Passo 2.- Dena as operaes de soma e multiplicao por escalar como u + v = (u1 ; u2 ) +
(v1 ; v2 ) e a(u1 ; u2 )=(au1 ; 0) para a2 R: A adio padro mas o multiplicao por escalar
no.
Passo 3.- Note que os Axiomas (1) e (6) so satisfeitos.
Passo 4.- Vericao dos Axiomas 2,3,4,5,7,8,9 e10
Axioma 2 u + v = (u1 ; u2 ) + (v1 ; v2 ) = (v1 ; v2 ) + (u1 ; u2 ) = v + u
Axioma 3 como a anterior decorre da soma dos reais.
Axioma 4. 9 0 = (0; 0) 2 V; Denominado Vetor nulo (ou zero) de V , tal que 0 + u =
(0; 0) + (u1 ; u2 ) = (u1 ; u2 ) + (0; 0) = u + 0, para qualquer u 2 V
Axioma 5. Dado qualquer u 2 V existe algum objeto u = ( u1 ; u2 ), denominado
negativo de u, tal que u+( u) = (u1 ; u2 )+( u1 ; u2 ) = ( u1 ; u2 )+(u1 ; u2 ) = ( u)+u = 0
(note que ( 1)u = ( u1 ; 0)), mas o negativo de u u = ( u1 ; u2 ) ja seria um furo)
Axioma 7. a(u + v) = a(u1 ; u2 ) + a(v1 ; v2 ) = (au1 ; 0) + (av1 ; 0) = au + av;
Axioma 8. (a + b)u = a(u1 ; u2 ) + b(u1 ; u2 ) = (au1 ; 0) + (bu1 ; 0) = au + bu
Axioma 9. a(bu) = a(b(u1 ; u2 )) = a(bu1 ; 0) = ((ab)u1 ; 0) = (ab)u
Axioma 10. 1u = (u1 ; 0) 6= u = (u1 ; u2 )
No Vale
3

Exemplo 10 Espao vetorial incomum


Passo 1.- Seja V =R+ .
Passo 2.- Dena as operaes de soma e multiplicao por escalar como u + v = uv e
au=ua para a 2 R: Nem a adio nem a multiplicao por escalar so padres.
Passo 3.- Note que os Axiomas (1) e (6) so satisfeitos, pois se eu multiplicar dois reais
positivos ele continua positivo, logo em R+ e se eu elevar qualquer nmero positivo a um
nmero real ele continuar positivo , logo em R+ .
Passo 4.Axioma 2 u + v = uv = vu = v + u
Axioma 3 u + (v + w) = u(v + w) = u(vw) = (uv)w = (u + v)w = (u + v) + w
Axioma 4. 9 0 2 V; Note que 1 funciona como 0 desse espao, pois 1 + u = u + 1 = u
para qualquer u 2 V
Axioma 5. Dado qualquer u 2 V existe algum objeto u 2 V tal que u + ( u) = 1 (zero
do espao). Note que u = u1 ; e u + ( u) = u u1 = 1
Axioma 7. a(u + v) = a(uv) = (uv)a = ua v a = au + av;
Axioma 8. (a + b)u = (a + b)u = ua+b = ua ub = au + bu
Axioma9. a(bu) = a(ub ) = (ub )a = uab = (ab)u
Axioma 10. 1u=u1 = u

Subespaos Vetoriais

possvel que um espao vetorial esteja contido em um outro espao vetorial. Assim, a esse
primeiro espao damos o nome de subespao vetorial.
Denio 11 Um subconjunto W de um espao vetorial V denominado subespao vetorial
de V se W for um espao vetorial com as operaes de soma e multiplicao por escalar
denidas em V .
Deveramos vericar os 10 axiomas para mostrar que W um espao vetorial. No entanto,
se W for parte de um espao vetorial V conhecido, ento certos axiomas no precisam ser
vericados pois eles so "herdados" de V . Por outro lado, necessrio vericar que W
fechado na soma e multiplicao por escalar, j que a soma de dois vetores em W ou a
multiplicao de um vetor em W pode produzir um vetor em V mas que no est em W,
conforme gura abaixo.

Axiomas que no so herdados por W so:


Axioma 1 - Fechamento na Adio;
Axioma 4 - Existncia do 0 em W ;
Axioma 5 - Existencia do inverso aditivo;
Axioma 6 - Fechamento na multiplicao por escalar.

Ento, esses so os axiomas que devem ser vericados para mostrar que W um subespao
de V . No entanto, basta mostrar que valem os axiomas 1 e 6 j basta.
O teorema seguinte mostra que se os axiomas (1) e (6) valem para W , ento (4) e (5)
tambm valem e no precisam ser vericados.
Teorema 12 Se W for um subconjunto de um ou mais vetores num espao vetorial V , ento,
W um subespao de V se e s se, as condies abaixo forem verdadeiras:
a) Se u e v 2 W;ento u + v 2 W
b) Se a for um escalar qualquer e u 2 W , ento au 2 W:
Prova. Se W for um subespao de V ento, valem os 10 axiomas, inclusive o (1) e o (6),
que so exatamente as condies a) e b). Reciprocamente, suponha que valham a) e b)
como esses axiomas so os (1) e (6) e os axiomas 2,3,7,8,9 e 10 so herdados de V , basta
mostrar que valem os axiomas 4 e 5 para W . Seja u 2 W . Como por hiptese b) satisfeita,
ento au 2 W para qualquer escalar a. Logo, vale para a = 0 e a = 1, ento 0u 2 W e
( 1)u = u 2 W; mostrando que valem os axiomas 4 e 5 em W .
Exemplo 13 O subespao zero
Se V for um espao vetorial qualquer e se W = f0g for o subespao de V que consiste
somente no vetor nulo, ento W fechado na adio e multiplicao por escalar, pois
0 + 0 = 0 e a0 = 0 para qualquer escalar a. Dizemos que W o subespao zero ou nulo
de V .
Exemplo 14 Retas pela orgem so subespaos em R2 e R3
Se W for uma reta que passa pela orgem no R2 ou R3 ento tanto a soma de quaisquer
dois vetores na reta como a multiplicao por escalar de algum vetor na reta tambm estaro
na reta, logo W fechado na soma e multiplicao por escalar. Ver gura abaixo:

Exemplo 15 Planos pela orgem so subespaos do R3


Se u e v so vetores num plano W que passa pela origem de R3 ento geometricamente evidente que u + v e au estaro nesse plano W . Assim, W fechado na soma e na
multiplicao por escalar.
A tabela seguinte d uma lista de subespaos de R2 e R3 que encontramos at aqui. Mais
adiante veremos que esses so os nicos subespaos de R2 e R3 :

Exemplo 16 Um subconjunto de R2 que no subespao


Seja W o conjunto de todos os pontos (x; y) em R2 tais que x
0 e y
0 (primeiro
quadrante). Esse conjunto no um subespao do R2 , pois no nem fechado na soma nem
na multiplicao por escalar. Por exemplo, (1; 1) 2 W mas 1(1; 1) no.
Exemplo 17 Subespaos de Mnn
Pelo Teorema 1.7.2, sabemos que a soma de duas matrizes n x n simtricas simtrica
e um mltiplo escalar de uma matriz n x n simtrica simtrica. Assim, o conjunto de
todas as matrizes simetricas um subespao de Mnn .Analogamente o conjunto das matrizes
triangulares superiores, triangulares inferiores e diagonais so subespaos Mnn .
Exemplo 18 Um subconjunto de Mnn , que no um subespao
O conjunto das matrizes n x n invertveis no um subespao de Mnn , falhando duas
vezes, por no ser fechado na adio nem na multiplicao por escalar. Ilustramos isso num
exemplo em M22 , que pode ser adaptado facilmente a Mnn . Considere as matrizes
1 2
1 2
eV =
2 5
2 5
matriz 0U a matriz 2x2 nula e, portanto, no invertvel, e a matriz U + V tem uma
coluna de zeros, portanto, tampouco invertvel.
U=

Exemplo 19 Subespao C( 1; 1)
Existe um teorema no Clculo que arma que a soma de funes contnuas contnua, e
que uma constante vezes uma funo contnua contnua. Enunciado na linguagem de espaos vetoriais, o conjunto das funes contnuas em ( 1; 1) um subespao de F ( 1; 1).
Denotaremos esse subespao por C( 1; 1).
Exemplo 20 Funes com derivada contnua
Dizemos que uma funo com derivada contnua continuamente derivvel. Existe um
teorema no Clculo que arma que a soma de duas funes continuamente derivveis
continuamente derivvel, e que uma constante vezes uma funo continuamente derivvel
continuamente derivvel. Assim, as funes que so continuamente derivveis em (-1; 1)
formam um subespao de F ( 1; 1). Denotamos esse espao por C 1 ( 1; 1), sendo que
o expoente 1 enfatiza que a primeira derivada contnua. Levando isso um passo adiante,
o conjunto das funes com derivadas at ordem m contnuas em ( 1; 1) um subespao
de F ( 1; 1), bem como um subespao o conjunto das funoes com derivadas de todas
as ordens contnuas em (-1; 1). Denotamos esses espaos por C m ( 1; 1) e C 1 ( 1; 1),
respectivamente.

Exemplo 21 O subespao de todos os polinmios


Lembre que um polinmio uma funo que pode ser expressa na forma
p(x) = ao + a1 x + ::: + an xn
evidente que a soma de dois polinmios um polinmio e que uma constante vezes um
polinmio um polinmio. Assim, o conjunto de todos os polinomios fechado na adiao
e na multiplicao por escalar e , portanto, um subespao de F(-1; 1). Denotamos esse
espao por P1 .
Exemplo 22 O subespao dos polinmios de grau

No verdade que o conjunto dos polinrnios de grau positivo n seja um subespao de


F ( 1; 1), porque esse conjunto nao e fechado na adiao. Por exemplo, ambos os polinonnos
_
1 + 2x + 3x2 e 5 + 7x 3x2 tm grau 2, mas sua soma tem grau 1. No entanto, o que
verdade que, xado qualquer inteiro no negativo n, os polinmios de grau menor do
que ou igual a n formam um subespao de F( 1; 1), que denotamos por Pn

Teorema 23 Se W1 ; W2 ; :::; Wr forem subespaos de um espao vetorial V , ento a interseo desses subespaos tambm ser um subespao de V.
Prova. Seja W a interseo dos subespaos W1 ; W2 ; :::; Wr . Esse conjunto no vazio por
que como cada um desses subespaos contm o vetor nulo de V, tambm sua interseo
tem o vetor nulo, falta mostrar que W fechado na adio e na multiplicao por escalar.
Adio: Sejam u e v 2 W , ento esto em cada um desses subespaos. Como esses
subespaos so fechados na adio ento, u + v tambm est em cada um deles e portanto,
estar na interseo W .
Multiplicao por escalar: Analogamente seja u 2 W . Como os subespaos so
fechados na multiplicao por escalar, au tambm est em cada um deles e portanto, estar
na interseo W.
Denio 24 Dizemos que um vetor w num espao vetorial V uma combinao linear
de v1 ; v2 ; :::; vr 2 V se w puder ser expresso na forma w = a1 v1 + a2 v2 + ::: + ar vr , em
que a1 ; a2 ; :::; ar so escalares. Esses escalares so denominados coecientes da combinao
linear.

Teorema 25 Seja S = fw1 ; w2 ; :::; wr g um conjunto no vazio de vetores num espao vetorial V.

(a) O conjunto W de todas as combinaes lineares possvel em S um subespao de V .


(b) O conjunto W da parte (a) o "menor" subespao de V que contm todos
os vetores de S, no sentido de que qualquer outro subespao de V que contenha
aqueles vetores contm W .
Prova. (a) Seja W o conjunto de todas as combinaes lineares possvel em S. Sejam u e
v 2 W . Ento u = c1 w1 + c2 w2 + ::: + cr wr e v = k1 w1 + k2 w2 + ::: + kr wr logo u + v =
c1 w1 +c2 w2 +:::+cr wr +k1 w1 +k2 w2 +:::+kr wr = (c1 +k1 )w1 +(c2 +k2 )w2 +:::+(cr +kr )wr
que uma combinao linear dos vetores em S e portanto est em W . Seja a 2 R e u 2 W:
Ento u = c1 w1 + c2 w2 + ::: + cr wr , logo au = ac1 w1 + ac2 w2 + ::: + acr wr :
(b) Seja W 0 um subespao qualquer de V que contenha todos os vetores em S. Como W 0
fechado na adio e na multiplicao por escalar ele contm todas as combinaes lineares
de vetores em S e portanto, contm W .
Teorema 26 Dizemos que o subespao de um espao vetorial V que formado com todas
as combinaes lineares possveis de vetores de um conjunto no vazio S gerado por S, e
dizemos que os vetores em S geram esse subespao. Se S = fw1 ; w2 ; :::; wr g, denotamos o
gerado de S por
gerfw1 ; w2 ; :::; wr g ou ger(S)
Exemplo 27 Os vetores unitrios cannicos geram Rn
Lembre que os vetores unitrios cannicos em Rn so e1 = (1; 0; 0; :::; 0), e2 = (0; 1; 0; :::; 0),...,
en = (0; 0; 0; :::; 1). Esses vetores geram Rn , pois cada vetor v = (v1 ; v2 ; :::; vn ) em Rn
pode ser expresso como v = v1 e1 + v2 e2 + ::: + vn en que uma combinao linear de
e1 ; e2 ; :::;e en . Assim, por exemplo, os vetores canonicos do R3 ; e1 = (1; 0; 0), e2 = (0; 1; 0).e
e3 = (0; 0; 1) geram o R3 pois cada vetor v = (v1 ; v2 ; v3 ) nesse espao pode ser expresso como
v = (v1 ; v2 ; vn ) = v1 e1 + v2 e2 + v3 e3 = v1 (1; 0; 0) + v2 (0; 1; 0) + v3 (0; 0; 1) .
Exemplo 28 Uma viso geomtrica de espao gerado em R2 e R3
(a) Se v for um vetor no nulo em R2 ou R3 com ponto inicial na origem,ento gerfvg,
que o conjunto de todos os mltiplos escalares de v, a reta pela origem determina por V .
Isso pode ser visualizado na gura abaixo, observando que o ponto nal do vetor kv pode ser
feito coincidir com qualquer ponto da reta escolhendo o valor de k de maneira apropriada.
(b) Se v1 e v2 forem vetores no nulos em R3 com pontos iniciais na origem, ento
gerfv1 ; v2 g, que consiste em todas as combinaes lineares de v1 e v2 , o plano pela origem
determinado por esses dois vetores. Isso pode ser visualizado na Figura abaixo, observando
que o ponto nal do vetor k1 v1 +k2 v2 pode ser feito coincidir com qualquer ponto
do plano ajustando apropriadamente os escalares k1 e k2 para encompridar, encurtar ou
reverter o sentido dos vetores k1 v1 e k2 v2 .

Exemplo 29 Um conjunto gerador para Pn


Os polinmios 1, x, x2 , . . . , xn geram o espao vetorial Pn denido no Exemplo 10,
pois cada polinmio p em Pn pode ser escrito como
p = a0 + a1 x + ::: + an xn
que uma combinao linear de 1, x, x2 , . . . , xn . Podemos denotar isso escrevendo
Pn = gerf1; x; x2 ; :::; xn g
Os dois exemplos seguintes se referem a dois tipos de problema importantes.
Dado um conjunto S de vetores em Rn e um vetor v em Rn , determine se v uma
combinao linear de vetores de S
Dado um conjunto S de vetores em Rn determine se os vetores geram Rn .
Exemplo 30 Combinaes lineares
Considere os vetores u = (1; 2; 1) e v = (6; 4; 2). Mostre que w = (9; 2; 7) uma
combinao linear de u e v e que w0 = (4; 1; 8) no uma combinao linear de u e v.
Soluo 31 Para que w seja uma combinao linear de u e v, devem existir escalares k1 e
k2 , tais que w = k1 u + k2 v, ou seja,
(9; 2; 7) = k1 (1; 2; 1) + k2 (6; 4; 2) ou (9; 2; 7) = (k1 + 6k2 ; 2k1 + 4k2 ; k1 + 2k2 )
Igualando o os componentes correspondentes temos:
k1 + 6k2 = 9
2k1 + 4k2 = 2
k1 + 2k2 = 7
Resolvendo, encontramos k1 = 3 e k2 = 2;de modo que w = 3u + 2v
Analogamente, para que w0 = (4; 1; 8) seja uma combinao linear de u e v, devem
existir escalares k1 e k2 , tais que w0 = k1 u + k2 v, ou seja,
(4; 1; 8) = k1 (1; 2; 1) + k2 (6; 4; 2) ou (4; 1; 8) = (k1 + 6k2 ; 2k1 + 4k2 ; k1 + 2k2 )
Igualando o os componentes correspondentes temos:
k1 + 6k2 = 4
2k1 + 4k2 = 1
k1 + 2k2 = 8
Esse sistema inconsistente (verique), logo no existem tais escalares k1 e k2 tais
que w0 seja combinao linear de u e v.
Exemplo 32 Testando o gerado

Determine se v1 = (1; 1; 2); v2 = (1; 0; 1) e v3 = (2; 1; 3) geram o espao vetorial R3


Soluo 33 Devemos determinar se um vetor arbitrrio b = (b1 ; b2 ; b3 ) 2 R3 pode ser expresso como uma combinao linear de v1 ; v2 e v3 , ou seja, b = k1 v1 + k2 v2 + k3 v3
(b1 ; b2 ; b3 ) = k1 (1; 1; 2) + k2 (1; 0; 1) + k3 (2; 1; 3) ou (b1 ; b2 ; b3 ) = (k1 + k2 + 2k3 ; k1 + 0k2 +
k3 ; 2k1 + k2 + 3k3 )
Igualando o os componentes correspondentes temos:
8
< k1 + k2 + 2k3 = b1
k1 + 0k2 + k3 = b2
:
2k1 + k2 + 3k3 = b3
O problema se reduz a determinar se o sistema consistente para quaisquer valores de
b1 ; b2 e b3 : Relembrando um teorema anterior, se a matriz de coecientes do sistema for no
singular ento o sistema tem uma nica soluo para cada termo do lado direito. Resta s
mostrar2 que a matriz
3 de coecientes no singular, ou seja, que detA 6= 0
1 1 2
A=4 1 0 1 5 ;logo, detA = 0: Ento v1 ; v2 e v3 no geram o R3 : Isso acontece
2 1 3
!
porque no podemos encontrar k1 ; k2 e k3 tal que a combinao linear b = k1 v1 +
k2 v2 + k3 v3 seja satisfeita para qualquer vertor (b1 ; b2 ; b3 ),.mas apenas para alguns
vetores do R3
Observao 34 Se detA = 0; os vetores no geram o R3 :Isso acontece porque no
podemos encontrar k1 ; k2 e k3 tal que a combinao linear b = k1 v1 + k2 v2 + k3 v3
seja satisfeita.para qualquer vetor (b1 ; b2 ; b3 ), apenas para alguns (b1 ; b2 ; b3 ):
As solues de sistemas lineares homogneos Ax = 0 de m equaes e n icgnitas podem
ser vistas como solues no Rn .
Teorema 35 O conjunto soluo W de um sistema linear Ax = 0 em n icgnitas um
subespao do Rn :
Prova. Seja W o conjunto soluo do sistema O conjunto W no vazio, pois contm
pelo menos a soluo trivial x = 0. Resta mostrar que W fechado na soma vetorial e na
multiplicao por escalar.
Soma vetorial: Sejam x1 e x2 dois vetores em W , como esses vetores so solues de
Ax = 0 ento temos, Ax1 = 0 e Ax2 = 0. Precisamos mostrar que x1 + x2 tambm soluo
de Ax = 0: Portanto, A(x1 + x2 ) = Ax1 + Ax2 x1 + Ax2 = 0 + 0 = 0: Logo, x1 + x2 2 W
ento W fechado na soma vetorial.
Multiplicao por escalar: Seja a2 R e x1 2 W: como x1 soluo de Ax = 0 ento
Ax1 = 0:Precisamos mostrar que ax1 tambm soluo de Ax = 0: Portanto, Aax1 =
aAx1 = a0 = 0:Logo, ax1 2 W ento W fechado na multiplicao por escalar.
Exemplo 36 Espaos Solues de Sistemas homogneos
2
32
3 2 3
2
32
3 2 3
1
2 3
x1
0
1
2 3
x1
0
4 6 5 4 x2 5 = 4 0 5
8 5 4 x2 5 = 4 0 5
(a) 4 2
(b) 4 3 7
6 9 3 2x3 3 20 3
62
x33 2 3
0
2 3
22 4
3
1
2 3
x1
0
0 0 0
x1
0
8 5 4 x2 5 = 4 0 5
(c) 4 3 7
(d) 4 0 0 0 5 4 x2 5 = 4 0 5
4
1
2
x3
0
0 0 0
x3
0
(a) Conjunto soluo na forma paramtrica W = (2x2 3x3 ; x2 ; x3 ) = (2x2 ; x2 ; 0) +
( 3x3 ; 0; x3 ) = x2 (2; 1; 0) + x3 ( 3; 0; 1).
forma no paramtrica x1 = 2x2 3x3 ou x1 2x2 + 3x3 = 0, cujo vetor normal :n =
(1; 2; 3)
10

(b) Conjunto soluo na forma paramtrica W = (5x2 ; x2 ; x2 ) = x2 (5; 1; 1).


Note que no existe forma no paramtrica na forma padro a1 x1 +a2 x2 +:::+an xn +b = 0,
mas, igualando as tres componentes (5b; b; b) da soluo a (x1 ; x2 ; x3 ); obtemos x51 = x2 =
x3 : W a reta ao longo
de (5; 1; 1).3
2
1
2 3
8 5 = 19. Portanto, o sistema s adimite a soluo
(c) Note que det 4 3 7
4
1
2
trivial W = (0; 0; 0) de modo que o subespao de soluo f(0; 0; 0)g
(d) Esse sistema satisfeito por quaisquer valores reais de x1 ; x2 e x3 de modo que o
subespao de soluo o prprio R3
Observao 37 importante reconhecer que os conjuntos geradores no so nicos. Por
exemplo, qualquer vetor no grco da reta do grco passado gera aquela reta e quaisquer
dois vetores no colineares geram aquele plano. O prximo teorema enuncia as condies sob
as quais dois conjuntos de vetores geram o mesmo espao.

Teorema 38 Se S = fv1 ; v2 ; :::; vr g e S = fw1 ; w2 ; :::; wk g so conjuntos de vetores no


vazios em V, ento,
gerfv1 ; v2 ; :::; vr g = gerfw1 ; w2 ; :::; wk g
0
se, e s se, cada vetor em S uma combinao linear dos vetores em S ;e cada vetor em
0
S uma combinao linear dos vetores em S:
Exemplo 39 (Lipschutz p.129)Considere os dois conjuntos de vetores de R4 dados a seguir
v1 = (1; 2; 1; 3); v2 = (2; 4; 1; 2) e v3 = (3; 6; 3; 7) e w1 = (1; 2; 4; 11); w2 =
(2; 4; 5; 14)
Mostre que gerfv1 ; v2 ; v3 g = gerfw1 ; w2 g
note que v1 = w1 + w2 ; v2 = 4w1 + 3w2 ; v3 = 7w1 + 5w2
w1 = 3v1 + 1v2 + 0v3 ; w2 = 4v1 + 1v2 + 0v3 : Logo, os dois conjuntos geram o mesmo
espao. Uma
forma mais eciente
3
2
3 2 usando espaos3 linha
2
1
1 2
1 3
1 2
1
3
1 2 0
3
8 5
2 5~4 0 0 3
8 5~4 0 0 1
A=4 2 4 1
3
3 6 3
7
0 0 6
16
0 0 0 0
1
1 2
4 11
1 2
4 11
1 2 0
3
B=
~
~
8
2 4
5 14
0 0
5
8
0 0 1
3
Como as linhas no nulas dessas matrizes em forma cannica reduzida por linhas sao
identicas, os espaos linhas de A e de B so iguais, portanto gerfv1 ; v2 ; v3 g = gerfw1 ; w2 g:

Independencia Linear

Nesta seo vamos discutir o problema de os vetores de um determinado conjunto serem


interrelacionados, no sentido de que um ou mais deles podem ser escritos como combinao
linear dos demais
Suponha um plano xy, cada vetor no plano pode ser expresso de uma nica maneira
como combinao linear dos vetores cannicos e1 = (1; 0) e e2 = (0; 1) Por exemplo, a nica
maneira de escrever o vetor (3,2) como combinao linear de e1 = (1; 0) e e2 = (0; 1)
(3; 2) = 3e1 + 2e2 :
Vejamos o que acontece se introduzirmos um terceiro vetor, por exemplo, o vetor w.
Enquanto que quando tinhamos dois vetores no plano xy, poderiamos expressar qualquer
vetor nesse plano de forma nica como combinao linear de e1 e e2 . Quando introduzimos
w haver uma innidade de maneira de escrever cada um dos vetores no plano xy como
combinao linear de e1 , e2 e w. Por exemplo,
(3; 2) = 3(1; 0) + 2(0; 1) + 0 p12 ; p12 = 3e1 + 2e2 + 0w
p
p
(3; 2) = 2(1; 0) + 1(0; 1) + 2 p12 ; p12 = 2e1 + 1e2 + 2w
11

p
p
(3; 2) = 4(1; 0) + 3(0; 1)
2 p12 ; p12 = 4e1 + 3e2
2w
Ento, ao introduzir um vetor "superuo" criamos a complicao de ter mltiplas maneiras
de associar qualquer vetor do plano a uma combinao linear de vetores do plano. O que
torna w supruo o ato de ele poder ser expresso como uma combinao linear dos vetores
e1 e e2 , pois w = p12 e1 + p12 e2 :
Como descobrir se um vetor de um conjunto S uma combinao linear dos
demais vetores em S???
Denio 40 Se S = fv1 ; v2 ; :::; vr g for um conjunto no vazio de vetores em um espao
!
vetorial V , ento, se a equao vetorial k1 v1 + k2 v2 + ::: + kr vr = 0 tem somente a soluo
trivial k1 = 0; k2 = 0 e kr = 0 dizemos que S um conjunto linearmente independente
(seus vetores so linearmente independentes, ou LI). Se existem outras solues alm da
trivial, dizemos que S um conjunto linearmente dependente (seus vetores so linearmente
dependentes, ou LD).
Exemplo 41 Independencia linear dos vetores cannicos no Rn
A independncia linear de vetores cannicos em qualquer espao vertorial em que estes
vetores estejam contidos o caso mais simples.
Prova da independencia linear de vetores cannicos e1 = (1; 0; 0); e2 = (0; 1; 0) e e3 =
!
(0; 0; 1) em R3 : Monte a equao k1 e1 + k2 e2 + k3 e3 = 0 ! (k1 ; k2 ; k3 ) = (0; 0; 0) ou
k1 = k2 = k3 = 0. Portanto, e1 ; e2 e e3 so LI.
Exemplo 42 Independncia Linear no R3
v1 = (1; 2; 3); v2 = (5; 6; 1) e v3 = (3; 2; 1) so LI ou LD???
!
Monte a equao k1 v1 + k2 v2 + k3 v3 = 0 ! k1 (1; 2; 3) + k2 (5; 6; 1) + k3 (3; 2; 1) =
!
0 ! (k1 + 5k2 + 3k3; 2k1 + 6k2 + 2k3 ; 3k1 1k2 + k3 ) = (0; 0; 0) igualando as componentes
correspondentes dos dois lados, obtemos o sistema linear homogneo
k1 + 5k2 + 3k3 = 0
2k1 + 6k2 + 2k3 = 0
3k1 k2 + k3 = 0
Resolvendo o sistema obtemos
k1 = 21 t; k2 = 12 t e k3 = t (ou seja, respostas diferentes das triviais, logo, so LD)
Outra forma de descobrir se os vetores so LI ou LD calcular o determinante
da matriz
3
2 de coecientes
1
5 3
A=4 2 6 2 5
3
1 1

Observao 43 Se detA = 0 h innitas solues, logo os vetores so LD. Se


detA 6= 0 h uma nica soluo, a trivial, logo os vetores sero Linearmente
Independentes no R3 :
Exemplo 44 Independncia Linear no R4

v1 = (1; 2; 2; 1); v2 = (4; 9; 9; 4) e v3 = (5; 8; 9; 5) so LI ou LD???


!
Monte a equao k1 v1 +k2 v2 +k3 v3 = 0 ! k1 (1; 2; 2; 1)+k2 (4; 9; 9; 4)+k3 (5; 8; 9; 5) =
!
0 ! (k1 +4k2 +5k3; 2k1 +9k2 +8k3 ; 2k1 +9k2 +9k3 ; 1k1 4k2 5k3 ) = (0; 0; 0; 0) igualando
as componentes correspondentes dos dois lados, obtemos o sistema linear homogneo
k1 + 4k2 + 5k = 0
2k1 + 9k2 + 8k3 = 0
2k1 + 9k2 + 9k3 = 0
1k1 4k2 5k3 = 0
Resolvendo o sistema obtemos
k1 = 0; k2 = 0 e k3 = 0 (Logo, os vetores so LI)
No d para saber se so LI ou LD via determinante. A no ser que notemos que a L4 1L1 e a eliminarmos do sistema, dessa forma s restar a matriz
12

1 4
A=4 2 9
2 9
como obtida

3
5
8 5 ; cujo detA = 1 6= 0; portanto a soluo do sistema ser a soluo trivial,
9
antes.

Exemplo 45 Um conjunto Linearmente independente em Pn


Mostre que os polinmios 1; x; x2 ; :::; xn formam um conjunto lineamente independente
em Pn
Soluo 46 Faa p0 = 1; p1 = x; p2 = x2 ; :::; pn = xn : Devemos mostrar que a equao
a0 p0 + a1 p1 + a2 p2 + ::: + an pn = 0 tem somente a soluo trivial a0 = a1 = a2 = ::: = an = 0
Note que.o problema anlogo a mostrar que a0 = a1 = a2 = ::: = an = 0 para a equao
a0 + a1 x + a2 x2 + ::: + an xn = 0, para qualquer x 2 ( 1; 1): Mas, cada polinmio no nulo
de grau n tem no mximo n razes distintas. Por exemplo, 4 + 4x + x2 = 0 vale para x = 2
(duas razes iguais) a equao ao lado vale, mas no para todos os outros valores de x, logo
os coecientes da equao tm que ser todos nulos e os polinmios so LI.
Exemplo 47 Independencia linear de polinmios
Determine se os polinmios p1 = 1 x; p2 = 5 + 3x 2x2 ; p3 = 1 + 3x
conjunto lineamente dependente ou independente em P2

x2 formam um

Soluo 48 Devemos mostrar que a equao a1 p1 + a2 p2 + a3 p3 = 0 tem somente a soluo


trivial ou no.
A equao pode ser escrita como
a1 (1 x) + a2 (5 + 3x 2x2 ) + a3 (1 + 3x x2 ) = 0, ou (a1 + 5a2 + a3 ) + ( a1 + 3a2 +
3a3 )x + ( 2a2 a3 )x2 = 0 como cada coeciente deve ser nulo ento
a1 + 5a2 + a3 = 0
a1 + 3a2 + 3a3 = 0
2a2 a3 = 0
2
3
1
5
1
3 5 = 0. Assim,
O sistema no tem s a soluo trivial, pois detA = det 4 1 3
0
2
1
o conjunto fp1 ; p2 ; p3 g LD.
Teorema 49 Um conjunto S de dois ou mais vetores
(a) linearmente dependentes se, e s se, pelo menos um dos vetores de S pode ser expresso
como uma combinao linear dos outros vetores em S.
(b) linearmente independentes se, e s se, nenhum dos vetores de S pode ser expresso
como uma combinao linear dos outros vetores em S.
Exemplo 50 Revisitando os vetores cannicos em R3 so LI
Pelo teorema anterior nenhum desses vetores pode ser escrito como uma combinao
linear dos outros vetores. Suponha que possa, da seguinte forma
e3 = k1 e1 + k2 e2 ou (0; 0; 1) = k1 (1; 0; 0) + k2 (0; 1; 0) = (k1 ; k2 ; 0)
No existem k1 e k2 que satisfaam a equao acima, logo, no e3 no pode ser expresso
como combinao linear de e1 e e2 ; portanto, so LI.
Exemplo 51 Revisitando o exemplo anterior.

13

v1 = (1; 2; 3); v2 = (5; 6; 1) e v3 = (3; 2; 1) so LD. Do teorema anterior eu posso


armar que um dos vetores pode ser expresso como combinao linear dos outros dois. Por
exemplo
v3 = 12 v1 + 12 v2 ou v2 = 2v3 v1 ou v1 = 2v3 v2 (Descobrir a soluo para os coecientes
da combinao linear)
(a) Um conjunto nito de vetores que contenha 0 LD
(b) Um conjunto de exatamente um vetor linearmente independente se, e s se, esse
vetor no nulo.
(c) Um conjunto de axatamente dois vetores linearmente independente se, e s se,
nenhum dos dois um mltiplo escalar do outro.
Prova. (a) Considere o conjunto S = fv1 ; v2 ; :::; vr ; 0g esses vetores so LD pos 0w1 + 0w2 +
!
::: + 0wr + 1(0) = 0
!
(b) Considere o conjunto S = fvg e v 6= 0 esse vetor LI pois 0v = 0
(c) Considere o conjunto S = fv1 ; v2 g, se v1 e v2 so LD, ento existem k1 e k2 no nulos
!
tais que k1 v1 + k2 v2 = 0 ou v1 = kk21 v2

3.1

Interpretao geomtrica da dependncia e independencia linear

Dois vetores no R2 e R3 so LI se , e s se, os vetores no cam numa mesma reta, quando


colocados seus pontos iniciais na orgem. Caso contrrio, um seria mltiplo escalar do outro.

Trs vetores no R3 so LI se , e s se, os vetores no cam num mesmo plano, quando


colocados seus pontos iniciais na orgem. Caso contrrio, pelo menos um deles seria uma
combinao linear dos outros dois (ou seja estaria no plano formado pelos outros dois).

Teorema 52 Seja S = fv1 ; v2 ; :::; vr g um conjunto de vetores no Rn :Se r > n ento S


linearmente dependente.

14

Prova. Suponha que


v1 = (v11 ; v12 ; :::; v1n )
v2 = (v21 ; v22 ; :::; v2n )
...
vr = (vr1 ; vr2 ; :::; vrn )
e considere a combinao linear
!
k1 v1 + k2 v2 + ::: + kr vr = 0
expressando ambos os lados dessa equao em termos dos componentes e igualando os
componentes correspondente, obtemos o seguite sistema
k1 v11 + k2 v21 + ::: + kr vr1 = 0
k1 v12 + k2 v22 + ::: + kr vr2 = 0
...
k1 v1n + k2 v2n + ::: + kr vrn = 0
Isso um sistema com r icginitas e n equaes. Como r > n teremos mais icgnitas do
que equaes, ou seja, sempre haver uma varivel livre e portanto, haver inrnitas solues
para k1 ; k2 ; :::; kr . Consequentemente, o conjunto S = fv1 ; v2 ; :::; vr g LD.
Como determinar se um conjunto de funes linearmente independente ou
no?
Denio 53 Se f1 = f1 (x); f2 = f2 (x); ; :::; fn = fn (x) forem funes n 1 vezes derivveis
no intervalo (-1; 1), ento, o determinante

W (x) =

f1 (x)
0
f1 (x)
..
.

f2 (x)
f20 (x)
..
.

:::
:::
..
.

fn (x)
fn0 (x)
..
.

f1n 1 (x) f2n 1 (x) ::: fnn 1 (x)


denominado Wronskiano de f1 ; f2 ; ; :::; fn :
Suponha que f1 = f1 (x); f2 = f2 (x); ; :::; fn = fn (x) sejam vetores linearmente dependentes em C n 1 ( 1; 1). Isso implica que para certos valores dos coecientes a equao
vetorial k1 f1 + k2 f2 + ::: + kn fn = 0 tem alguma soluo no trivial. Usando essa equao
juntamente com as equaes obtidas por n 1 derivaes sucessivas, o resultado o sistema
linear
k1 f1 (x) + k2 f2 (x) + ::: + kn fn (x) = 0
0
0
0
k1 f1 (x) + k2 f2 (x) + ::: + kn fn (x) = 0
...
k1 f1n 1 (x) + k2 f2n 1 (x) + ::: + kn fnn 1 (x) = 0
Assim,
a dependencia linear de f1 ; f2 ;3; :::;
3 o sistema
2
2 fn implica
3 2 que
f1 (x)
f2 (x)
:::
fn (x)
k1
0
6 f10 (x)
6
7 6 7
f20 (x)
:::
fn0 (x) 7
6
7 6 k2 7 6 0 7
6
7 6 .. 7 = 6 .. 7
..
..
.
.
..
..
4
54 . 5 4 . 5
.
.
n 1
n 1
n 1
kn
0
f1 (x) f2 (x) ::: fn (x)
tem uma soluo no trivial. Mas isso implica que o determinante da matriz de coecientes anterior zero para cada um dos x.
Teorema 54 Se as funes f1 ; f2 ; ; :::; fn tiverem n 1 derivadas contnuas no intervalo
( 1; 1) e se o wronskiano dessas funes no for identicamente zero em ( 1; 1), ento,
essas funes formam um conjunto linearmente independente de vetores em C n 1 ( 1; 1).

Observao 55 A recproca desse teorema no verdadeira. Se W (x) = 0 em


( 1; 1) nada se pode armar sobre a dependencia ou independencia linear de f1 ; f2 ; ; :::; fn
(Esse conjunto pode ser LI ou LD)
Exemplo 56 Independencia linear usando o wronskiano
15

Use o wronskiano para mostrar que f1 = x e f2 = senx so LI.


Soluo 57 O wronskiano
x senx
= x cos x senx
1 cos x
Essa funo no zero em ( 1; 1) pois W ( 2 ) =
funes so LI. (Diferente do Livro)
W (x) =

cos

sen 2 =

1 6= 0: Assim as

Exemplo 58 Independencia linear usando o wronskiano


Use o wronskiano para mostrar que f1 = 1 e f2 = ex e f2 = e2x so LI.
Soluo 59 O wronskiano
1
W (x) = 0
0
Essa funo

ex e2x
ex 2e2x = 2e3x
ex 4e2x
no zero em ( 1; 1) portanto as funes formam um conjunto LI.

Exemplo 60 Independencia linear usando o wronskiano


Use o wronskiano para mostrar se f1 = x3 e f2 = x3 so LI ou LD.
Soluo 61 O wronskiano
x3
x3
=0
se x > 0
2
3x 3x2
x3
x3
=0
se x < 0
se x < 0
W (x) =
3x2
3x2
Essa funo zero em ( 1; 1) e poderamos ser induzidos a achar que as funes
formam um conjunto LD. No entanto, no h a e b para os quais valha a combinao linear
ax3 + b x3 = 0:
ax3 + bx3 = 0 ! (a + b)x3 = 0
se x > 0
ax3 bx3 = 0 ! (a b)x3 = 0
se x < 0
Consequentemente, para qualquer x2 ( 1; 1); ento
a+b=0
a b=0
Logo, a = 0 e b = 0 e as funes so LI.
W (x) =

3.2

Coordenadas e Bases

Denio 62 Se V for um espao vetorial qualquer e S = fv1 ; v2 ; :::; vn g for um conjunto


nito de vetores em V, dizemos que S uma base de V se valerem as duas condies a seguir.
(a) S LI.
(b) S gera V.
Pensando numa base como descrevendo um sistema de coordenadas para um espao
vetorial V, ento a parte (a) da denio garante que no h interrelaes entre os vetores
da base, e a parte (b) garante que h vetores da base em nmero suciente para fornecer
coordenadas para todos os vetores em V. Vejamos alguns exemplos.
Exemplo 63 A base cannica de Rn
Vimos, no Exemplo 11 da Seo 4.2, que os vetores unitrios cannicos
e1 = (1; 0; 0; :::; 0); e2 = (0; 1; 0; :::; 0); :::; en = (0; 0; 0; :::; 1)
geram Rn e, pelo Exemplo 1 da Seo 4.3, sabemos que so linearmente independentes.
Assim, esses vetores formam uma base de Rn que denominamos base cannica de Rn . Em
particular, e1 = (1; 0; 0); e2 = (0; 1; 0); e3 = (0; 0; 1) a base cannica de R3 .
16

Exemplo 64 A base cannica de Pn


Mostre que S = f1; x; x2 ; :::; xn g uma base do espao vetorial Pn dos polinmios de grau
no mximo n.
Soluo 65 Devemos mostrar que os polinmios em S so linearmente independentes e que
geram Pn . Denotemos esses polinmios por p0 = 1; p1 = x; p2 = x2 ; :::; pn = xn
Mostramos no Exemplo 13 da Seo 4.2, que esses vetores geram Pn e, no Exemplo 4 da
Seo 4.3, que so linearmente independentes. Assim, esses vetores formam uma base de Pn
que denominamos base cannica de Pn .
Exemplo 66 Uma outra base de R3
Mostre que os vetores v1 = (1; 2; 1), v2 = (2; 9; 0) e v3 = (3; 3; 4) formam uma base de
R3 .
Soluo 67 Devemos mostrar que esses vetores so linearmente independentes e que geram
R3 . Para mostrar a independncia linear, devemos mostrar que a equao vetorial
c1 v1 + c2 v2 + c3 v3 = 0 s tem a soluo trivial, e para provar que esses vetores geram R3 ,
devemos mostrar que cada vetor b = (b1 ; b2 ; b3 ) de R3 pode ser expresso como c1 v1 + c2 v2 +
c3 v3 = b
igualando componentes correspondentes dos dois lados, essas duas equaes podem ser
expressas
como os sistemas lineares
8
8
< c1 + 2c2 + 3c3 = b1
< c1 + 2c2 + 3c3 = 0
2c1 + 9c2 + 3c3 = 0 e
2c1 + 9c2 + 3c3 = b2
:
:
c1 + 0c2 + 4c3 = 0
c1 + 0c2 + 4c3 = b3
Assim, reduzimos o problema a mostrar que o sistema homogneo s tem a soluo trivial,
e que o sistema no homogneo consistente com quaisquer valores de b1 ; b2 e b3 . Mas os
dois sistemas tm a mesma matriz de coecientes
2
3
1 2 3
A=4 2 9 3 5
det A = 1
1 0 4
Se detA = 0 h innitas solues, logo os vetores so LD e no geram o R3 .
Se detA 6= 0 h uma nica soluo, logo os vetores sero LI e geram o R3 : Como
det A 6= 0 ento v1 , v2 e v3 formam uma base de R3 .
Exemplo 68 A base cannica de Mmn
Mostre que as matrizes, M1 =
0
0

0
1

1
0

0
0

; M2 =

0
0

1
0

; M3 =

0
1

0
0

e M4 =

formam uma base do espao vetorial M22 das matrizes 2x2.

Soluo 69 Devemos mostrar que as matrizes so linearmente independentes e que geram


M22 : Para mostrar a independncia linear, devemos mostrar que a equao vetorial
c1 M1 + c2 M2 + c3 M3 + c4 M4 = 0
s tem a soluo trivial, em que 0 a matriz nula 2x2, e para provar que essas matrizes
geram M22 , devemos mostrar que cada matriz 2x2
a b
B=
c d
pode ser expressa como
c1 M1 + c2 M2 + c3 M3 + c4 M4 = B
as formas matriciais das equaes so
1 0
0 1
0 0
0 0
0 0
c1
+ c2
+ c3
+ c4
=
0 0
0 0
1 0
0 1
0 0
17

e
1 0
0 1
+ c2
+ c3
0 0
0 0
que podem ser rescritas como

c1

c1
c3

c2
c4

0
0

0
0

c1
c3

0
1

c2
c4

0
0

+ c4

0
0

0
1

a b
c d

a b
c d

cujas solues so c1 = c2 = c3 = c4 = 0 (so LI) e c1 = a; c2 = b; c3 = c e c4 = d


(geram o M22 ) respectivamente. Portanto, as matrizes M1 ; M2 ; M3 e M4 formam uma base
de M22 : Em geral, a base cannica de Mmn consiste nas mn matrizes distintas com uma
nica entrada 1 e todas as demais entradas 0.
Observao 70 Alguns autores denem o conjunto vazio como sendo uma base do espao
base do espao vetorial nulo mas aqui no faremos isso
Observao 71 No verdade que todo espao vetorial tenha uma base no sentido da
Deniao anterior.O exemplo mais simples o do espao vetorial nulo, que no contm
conjuntos linearmente independentes e, portanto, no tem base.
O espao vetorial do exemplo seguinte tambm no tem base no sentido da Deniao
anterior, porque nao pode ser gerado por um numero nito de
vetores.
Exemplo 72 Um espao vetorial que no tem conjunto gerador nito
Mostre que o espao vetorial P1 de todos os polinmios com coecientes reais no tem
conjunto gerador nito.
Soluo 73 Se existisse algum conjunto gerador nito, digamos, S = fp1 ; p2 ; :::; pn g, ento
os graus dos polinmios em S teriam um valor mximo, digamos, n. Isso, por sua vez,
implicaria que qualquer combinao linear de polinmios em S teria grau n, no mximo.
Assim, no haveria como expressar o polinmio xn+1 + 1 como uma combinao linear de
polinmios em S, o que contradiria a hiptese de que os vetores de S geram P1 :
Por motivos que sero esclarecidos em breve, dizemos que um espao vetorial que no
pode ser gerado por um nmero nito de vetores de dimenso innita, ao passo que um
que pode de dimenso nita.
Exemplo 74 Alguns espaos de dimenso nita e innita
Nos Exemplos encontramos bases para Rn , Pn e Mmn , portanto, esses espaos vetoriais
so de dimenso nita. Mostramos no Exemplo anterior que o espao vetorial P1 , no
gerado por um nmero nito de vetores e, portanto, de dimenso innita. Nos
exerccios desta e da prxima sees, pedimos ao leitor mostrar que os espaos vetoriais R1 ,
F ( 1; 1), C( 1; 1), C m ( 1; 1) e C 1 ( 1; 1) tm dimenso innita.
Teorema 75 (Unicidade da representao em base) Se S = fv1 ; v2 ; :::; vn g for uma base de
um espao vetorial V , ento cada vetor em V pode ser expresso na forma v = c1 v1 + c2 v2 +
::: + cn vn exatamente de uma nica maneira.

18

Prova. Como S gera V , segue da denio de conjunto gerador que cada vetor de V pode
ser expresso como uma combinao linear dos vetores em S. Para ver que s existe uma
maneira de expressar um vetor como uma combinao linear dos vetores em S, Suponha que
um certo vetor v possa ser escrito como
v = c1 v1 + c2 v2 + ::: + cn vn
e
v = k1 v1 + k2 v2 + ::: + kn vn
Subtraindo a segunda equao da primeira obtemos
!
0 = (c1 k1 )v1 + (c2 k2 )v2 + ::: + (cn kn )vn
Como os vetores v1 ; v2 ; :::; vn formam uma base eles so linearmente independentes. Isso
implica que c1 k1 = 0; c2 k2 = 0; :::; cn kn = 0, ou seja, c1 = k1 ; c2 = k2 ; :::; cn = kn .
Ento as duas expresses para v so as mesmas.
Agora dispomos de todos os ingredientes necessrios para denir a noo de coordenadas num espao vetorial arbitrrio. Para motivar o conceito, observe que em R3 , por
exemplo, as coordenadas (a; b; c) de um vetor v so precisamente os coecientes na frmula
v = ae1 + be2 + ce3
que expressa v como uma combinaao linear dos vetores canonicos de R3 ver gura abaixo

Denio 76 Se S = fv1 ; v2 ; :::; vn g for uma base de um espao vetorial V e se v =


c1 v1 + c2 v2 + ::: + cn vn a expresso de um vetor v em termos da base S, ento os escalares c1 ; c2 ; :::; cn so denominados coordenadas de v em relao base S. O vetor
(c1 ; c2 ; :::; cn ) em Rn construdo com essas coordenadas denominado vetor de coordenadas de v em relao a S e denotado por
(v)S = (c1 ; c2 ; :::; cn )
Observao 77 Lembre que dois conjuntos so considerados iguais se tm os mesmos elementos, mesmo se esses elementos estiverem escritos em alguma outra ordem. No entanto,
se S = fv1 ; v2 ; :::; vn g for um conjunto de vetores de base, ento uma troca na ordem em que
escrevemos os vetores trocaria a ordem das entradas em (v)S , produzindo possivelmente um
vetor de coordenadas diferente. Para evitar essa complicao, introduzimos a conveno de
que, em qualquer discusso envolvendo uma base S, a ordem dos vetores em S permanece
inalterada. Alguns autores dizem que um conjunto de vetores de base com essa restrio
uma base ordenada. No entanto, aqui s utilizaremos essa terminologia quando a nfase
na ordem for necessria para o entendimento.
Observe que (v)S um vetor em Rn , de modo que, uma vez fornecida uma base S de um
espao vetorial V , o Teorema anterior estabelece uma bijeo entre os vetores em V e os
vetores em Rn : Ver gura abaixo

19

Exemplo 78 Coordenadas em relao base cannica de Rn


No caso especial em que V = Rn e S for a base cannica, o vetor de coordenadas (v)S
igual ao vetor v,
v = (v)S
Por exemplo, em R3 , a representao v = (a; b; c) de um vetor como combinao linear
dos vetores na base cannica S = fe1 ; e2 ; e3 g
v = ae1 + be2 + ce3 = a(1; 0; 0) + b(0; 1; 0) + c(0; 0; 1)
de modo que o vetor de coordenadas em relao a essa base v = (v)S = (a; b; c), que
igual ao vetor v.
Exemplo 79 Vetores de coordenadas em relao a bases cannicas
(a) Encontre o vetor de coordenadas do polinmio p(x) = c0 + c1 x + c2 x2 + ::: + cn xn em
relao base cannica do espao vetorial Pn .
a b
(b) Encontre 0 vetor de coordenadas de B =
em relao base cannica de
c d
M22 .
Soluo 80 (a) A frmula dada de p(x) expressa esse polinmio como uma combinao
linear dos vetores da base cannica S = f1; x; x2 ; :::; xn g. Assim, o vetor de coordenadas de
p em relao a S
(p)S = (c0 ; c1 ; c2 ; :::; cn )
Soluo 81 (b) Mostramos num exemplo anterior que a representao de um vetor B =
a b
.como uma combinao linear dos vetores da base cannica
c d
a b
1 0
0 1
0 0
0 0
= c1
+ c2
+ c3
+ c4
c d
0 0
0 0
1 0
0 1
de modo que o vetor de coordenadas de B em relao a S (B)S = (a; b; c; d)
B=

Exemplo 82 Coordenadas em R3
(a) Mostramos num Exemplo anterior que os vetores v1 = (1; 2; 1); v2 = (2; 9; 0); v3 =
(3; 3; 4) formam uma base de R3 . Encontre o vetor de coordenadas de v = (5; 1; 9) em
relao base S = fv1 ; v2 ; v3 g.
(b) Encontre o vetor em R3 cujo vetor de coordenadas em relao base S (v)S =
( 1; 3; 2):
Soluo 83 (a) Para encontrar (v)S precisamos primeiro expressar v como uma combinao
linear dos Vetores em S, ou seja, precisamos encontrar valores de c1 , c2 e c3 tais que
v = c1 v1 + c2 v2 + c3 v3
ou, em termos de componentes,
(5; 1; 9) = c1 (1; 2; 1) + c2 (2; 9; 0) + c3 (3; 3; 4)
igualando as componentes correspondentes, obtemos
c1 + 2c2 + 3c3 = 5
2c1 + 9c2 + 3c3 = 1
c1 +
4c3 = 9
Resolvendo esse sistema obtemos c1 = 1; c2 1 e c3 = 2
Soluo 84 (b) Usando a denio de (v)S = ( 1; 3; 2) obtemos
v = ( 1)v1 + 3v2 + 2v3 = ( 1)(1; 2; 1) + 3(2; 9; 0) + 2(3; 3; 4) = (11; 31; 7)

20

3.3

Dimenso

Na seo anterior, mostramos que a base cannica de Rn tem n vetores e que, portanto,
a base cannica de R3 tem trs vetores, a base cannica de R2 tem dois vetores, e a base
cannica de R1 (= R) tem um vetor. Como pensamos no espao como sendo tridimensional,
um plano como bidimensional e uma reta como unidimensional, parece haver uma relao
entre o nmero de vetores em uma base e a dimenso do espao vetorial. Nesta seo,
desenvolvemos essa ideia.
Teorema 85 Todas as bases de um espao vetorial de dimenso nita tm o mesmo nmero
de vetores.
Para provar esse teorema, vamos precisar do resultado preliminar seguinte, cuja prova
deixada para o nal desta seo.
Teorema 86 Sejam V um espao vetorial de dimenso nita e fv1 ; v2 ; :::; vn g uma base
qualquer de V
(a) um conjunto com mais de n vetores LD
(b) um conjunto com menos de n vetores no gera V.
Agora no difcil ver por que vale o Teorema anterior, pois, se S = fv1 ; v2 ; :::; vn g for
uma base arbitrria de V , ento a independncia linear de S implica que qualquer conjunto
em V com mais de n vetores linearmente dependente, e qualquer conjunto em V com menos
de n vetores no gera V . Assim, vemos que um conjunto em V no pode ser base a
menos que tenha exatamente n vetores.
Notamos, na introduao desta seo, que para certos espaos vetoriais familiares, a noo
intuitiva de dimenso coincide com o nmero de vetores numa base. A denio seguinte
torna precisa essa idia.
Denio 87 A dimenso de um espao vetorial de dimenso nita V denotada por
dim(V ) e denida como o nmero de vetores numa base de V . Alm disso, denimos
o espao vetorial nulo como tendo dimenso zero.

Exemplo 88 Dimenses de alguns espaos vetoriais familiares


dim(Rn ) = n
dim(Pn ) = n + 1
dim(Mmn ) = mn

A base cannica tem n vetores.


A base cannica tem n + 1 vetores.
A base cannica tem mn vetores

Exemplo 89 Dimenso de ger(S):


Se S = fv1 ; v2 ; :::; vn g for um conjunto linearmente independente no espao vetorial V ,
entao S automaticamente uma base de ger(S) (Por que?Resposta: ger(S) o conjunto
de todas as combinaes lineares de fv1 ; v2 ; :::; vn g ento, qualquer v 2 ger(S) pode ser
escrito como v = a1 v1 + a2 v2 + :::an vn . Como fv1 ; v2 ; :::; vn g so LI, ento h uma nica
soluo para cada v 2 ger(S), portanto fv1 ; v2 ; :::; vn g geram ger(S) e consequentemente,
formam uma base ger(S)) e isso implica dim[ger(S)] = r
Em palavras, a dimenso do espao gerado por algum conjunto linearmente
independente de vetores igual ao nmero de vetores naquele conjunto.
Exemplo 90 Dimenso de um espao soluo

21

Encontre uma base e a dimenso do espao soluo do sistema homogneo


2x1 + 2x2 x3
+ x5 = 0
x1 x2 + 2x3 3x4 + x5 = 0
x1 + x2 2x3
+ x5 = 0
x3 + x4 + x5 = 0
Soluo 91 Deixamos para o leitor resolver esse sistema com eliminao de Gauss-Jordan
e mostrar que sua soluo geral
x1 = s t; x2 = s; x3 = t; x4 = 0; x5 = t
que pode ser escrita em forma vetorial como
(x1 ; x2 ; x3 ; x4 ; x5 ) = ( s t; s; t; 0; t) = s( 1; 1; 0; 0; 0) + t( 1; 0; 1; 0; 1)
Isso mostra que os vetores v1 = ( 1; 1; 0; 0; 0) e V2 = ( 1; 0; 1; 0; 1) geram o espao
soluo. Como nenhum desses vetores um mltiplo escalar do outro, tambm so linearmente independentes e, portanto, formam uma base do espao soluo. Assim, o espao
soluo tem dimenso 2.
Exemplo 92 Dimenso de um espao soluo
Encontre uma base e a dimenso do espao soluo do sistema homogneo
x1 + 3x2 2x3
+ x5
=0
2x1 + 6x2 5x3 2x4 + 4x5 3x6 = 0
5x3 + 10x4
+ 15x6 = 0
2x1 + 6x2
+ 8x4 + 4x5 + 18x6 = 0
Soluo 93 No Exemplo 6 da Seo 1.2, vimos que a soluo desse sistema
x1 = 3r 4s 2t; x2 = r; x3 = 2s; x4 = s; x5 = t; x6 = 0
que pode ser escrita em forma vetorial como
(x1 ; x2 ; x3 ; x4 ; x5 ; x6 ) = ( 3r 4s 2t; r; 2s; s; t; 0) = r( 3; 1; 0; 0; 0; 0)+s( 4; 0; 2; 1; 0; 0)+
t( 2; 0; 0; 0; 1; 0)
Isso mostra que os vetores v1 = ( 3; 1; 0; 0; 0; 0); v2 = ( 4; 0; 2; 1; 0; 0); v3 = ( 2; 0; 0; 0; 1; 0)
geram o espao soluo. Deixamos para o leitor vericar que esses vetores so linearmente
independentes, mostrando que nenhum deles combinao linear dos outros dois (mas veja
a observao a seguir). Assim, o espao soluo tem dimenso 3
Observao 94 Pode ser mostrado que, para sistemas homogneos, o mtodo do
exemplo anterior sempre produz uma base do espao soluo do sistema.
Dedicamos o restante desta seo a uma srie de teoremas que revelam as interrelaes
sutis entre os conceitos de independncia linear, base e dimenso. Esses teoremas no so
simples exerccios de matemtica terica; eles so essenciais para o entendimento de espaos
vetoriais e das aplicaes com eles construdas.
Comeamos com um teorema (demonstrado no nal desta seo) que trata do efeito sobre
a independncia linear de um conjunto no vazio de vetores e do espao por ele gerado se um
vetor for juntado a esse conjunto ou removido dele. Enunciado informalmente, comeando
com um conjunto linearmente independente S e juntando a S um vetor que no uma combinao linear dos de S, ento o conjunto aumentado ainda continua linearmente independente.
Alm disso, comeando com um conjunto S de dois ou mais vetores no qual um dos vetores
uma combinao linear dos outros, ento esse vetor pode ser removido de S sem afetar o
gerado por S. Ver gura abaixo

22

Teorema 95 Teorema do mais / menos


Seja S um conjunto no vazio de vetores num espao vetorial V .
(a) Se S for um conjunto linearmente independente e se v for um vetor em V que est fora
do ger(S), ento o conjunto S [ fvg que resulta do acrscimo de v a S ainda linearmente
independente.
(b) Se v for um vetor em S que pode ser expresso como uma combinao linear dos outros
vetores de S, e se S fvg denotar o conjunto obtido removendo v de S, ento S e S fvg
geram o mesmo espao, ou seja, ger(s) = ger(S fvg)
Exemplo 96 Aplicando o teorema mais/menos .
Mostre que p1 = 1 x; p2 = 2 x2 e p3 = x3 sao vetores linearmente independentes.
O conjunto S = fp1 ; p2 g linearmente independente, pois nenhum de seus vetores um
mltiplo escalar do outro. Como o vetor p3 no pode ser expresso como combinao linear
dos vetores em S (por qu?), pode ser juntado a S para produzir um conjunto linearmente
0
independente S = fp1 ; p2 ; p3 g
a1 p1 + a2 p2 + a3 p3 = 0 =) a1 (1 x) + a2 (2 x2 ) + a3 x3 = 0 =) a1 + 2a2 a1 x a2 x2 +
a3 x3 = 0 =) a1 = a2 = a3 = 0 logo so LI
Em geral, para mostrar que um conjunto de vetores fv1 ; v2 ; :::; vn g uma base
de um espao vetorial V, devemos mostrar que os vetores so linearmente independentes e que geram V. No entanto, se soubermos que V tem dimenso
n (de modo que fv1 ; v2 ; :::; vn g tem o nmero correto de vetores de uma base),
ento basta vericar ou que so linearmente independentes ou que geram, pois,
dessa forma, a outra condio automaticamente satisfeita. Esse o contedo
do teorema a seguir.
Teorema 97 Sejam V um espao vetorial de dimenso n e S um conjunto em V com
exatamente n vetores. Ento S uma base de V se, e s se, S gera V ou S LI
Prova. Suponha que S tenha exatamente n vetores e que gere V . Para provar que S uma
base, devemos mostrar que S um conjunto linearmente independente. Se esse no for o
caso, ento algum vetor v em S uma combinao linear dos demais vetores. Removendo
esse vetor de S, segue do Teorema 4.5 3b que o conjunto restante de n - 1 vetores ainda gera
V. Mas isso impossvel, pois segue do Teorema 4.5.2b que nenhum conjunto com menos
do que n vetores pode gerar um espao vetorial de dimenso n. Assim, S linearmente
independente.
Suponha que S tenha exatamente n vetores e que seja um conjunto LI. Para provar que
S uma base, devemos mostrar que S gera V . Se esse no for o caso, ento existe algum
vetor v de V que no est no ger(S). Acrescentando esse vetor a S, segue do Teorema 4.5.3a;
que o conjunto resultante de n + 1 vetores ainda linearmente independente. Mas isso
impossvel, pois o Teorema 4.5.2a arma que nenhum conjunto com mais de n vetores em
um espao vetorial de dimenso n pode ser linearmente independente. Assim, S gera V .

23

Exemplo 98 Base por inspeo


(a) Por inspeao, explique por que v1 = ( 3; 7) e v2 = (5; 5) formam uma base de R2 .
(b) Por inspeo, expliqgue por que v1 = (2; 0; 1), v2 = (4; 0; 7) e v3 = ( 1; 1; 4) formam
uma base de R3 .
Soluo 99 (a) Como nenhum dos dois vetores um mltiplo escalar do outro, os dois
vetores formam um conjunto linearmente independente no espao R2 de dimenso 2 e, portanto, constituem uma base, pelo Teorema anterior
Soluo 100 (b) Os vetores v1 e v2 formam um conjunto linearmente independente no plano
xz(por que?). O vetor v3 esta fora do plano xz, portanto, o conjunto fv1 ; v2 ; v3 g tambm
linearmente independente. Como R3 tem dimenso 3 o Teorema anterior (a) implica que
fv1 ; v2 ; v3 g uma base de R3 .
O prximo teorema (cuja prova adiada para o nal desta seo) revela dois fatos importantes sobre os vetores num espao vetorial de dimenso nita.
1. Cada conjunto gerador de um subespao ou uma base desse subespao ou contm
nele uma base.
2. Cada conjunto linearmente independente num subespao ou uma base desse subespao ou pode ser estendido a uma base dele.
Teorema 101 Seja S um conjunto nito de vetores num espali vetorial V de dimenso nita
(a) Se S gerar V , mas no for uma base de V , ento S pode ser reduzido a uma base de
V removendo vetores apropriados de S:
(b) Se S for um conjunto linearmente independente, mas no for uma base de V , ento
S pode ser ampliado a uma base de V acrescentando vetores apropriados a S.
Conclumos esta seo com um teorema que relaciona a dimenso de um espao vetorial
com as dimenses de seus subespaos
Teorema 102 Se W for um subespao de um espao vetorial V de dimenso nita, ento
(a) W tem dimenso nita.
(b) dim(W ) dim(V ):
(c) W = V se, e s se, dim(W ) = dim(V ):
Prova. (a) Se W um subconjunto de V e a dimenso de V nita, ento a dimenso de
W tambm nita.
Prova. (b) A parte (a) mostra que W tem dimenso nita, de modo que possui uma base
S = fv1 ; v2 ; :::; vm g. S tambm uma base de V ou no. Se for, ento dim(V ) = m,
o que signica que dim(W ) = dim(V ). Se no for, como S um conjunto linearmente
independente, pode ser ampliado a uma base de V pela parte (b) do Teorema anterior, o que
implica que dim(W ) < dim(V ). Assim, em ambos casos, mostramos que dim(W ) dim(V ).
Prova. (c) Suponha que dim(W ) = dim(V ) e que S = fv1 ; v2 ; :::; vm g seja uma base de W .
Se S no fosse tambm uma base de V , ento, por ser linearmente independente, S poderia
ser ampliado a uma base de V pela parte (b) do Teorema anterior. Mas isso signicaria que
dim(V ) > dim(W ), contradizendo nossa hiptese. Assim, S deve ser tambm uma base de
V , o que signica que W = V .
A Figura abaixo ilustra as relaes geomtricas entre os subespaos de R3 em ordem de
dimenso crescente.

24

3.4

Mudana de bases

Uma base conveniente para um problema pode no ser conveniente para um outro, de forma
que um procedimento comum no estudo de espaos vetoriais a mudana de uma base
para uma outra. Como a base a generalizao de coordenadas para um espao vetorial, a
mudana de bases relacionada mudana de eixos coordenados em R2 e R3 . Nesta seo
estudamos problemas relativos mudana de bases.
Se S = fv1 ; v2 ; :::; vn g for uma base de um espao vetorial V de dimenso nita e se
a aplicao de coordenadas e se (v)S = (c1 ; c2 ; :::; cn ) for o vetor de coordenadas de v em
relao a S, ento, como observamos na Seo 4.4, a aplicao
v ! (v)S
cria uma conexo (uma bijeo) entre os vetores do espao vetorial arbitrria V e os
vetores do espao vetorial familiar Rn .
Existem muitas aplicaes em que necessrio trabalhar com mais de um sistema de mudana de bases coordenadas. Nesses casos, acaba sendo importante saber como se relacionam
as coordenadas de um vetor xado em relao a cada um desses sistemas de coordenadas.
Isso nos leva ao problema seguinte.
Problema da mudana de base Se v for um vetor num espao vetorial V de dimenso
nita e se mudarmos a base de V de uma base B (velha) para uma base B0 (nova)
qual a relao entre os vetores de coordenadas [v]B e [v]B 0 ???.
Para simplicar, resolvemos esse problema em espaos bidimensionais. A soluo para
0
0
espaos de dimenso n analoga. Sejam B = fu1 ; u2 g e B 0 = fu1 ; u2 g as bases velha e nova,
respectivamente. Precisamos dos vetores de coordenadas dos vetores da base nova (B 0 ) em
relao a base velha (B). Suponha que sejam
0
0
a
c
[u1 ]B =
e [u2 ]B =
b
d
isto ,
0

u1 = au1 + bu2
0
u2 = cu1 + du2
Seja, agora, v um vetor qualquer em V e seja
k1
[v]B 0 =
k2
O novo vetor de coordenadas, de modo que
0
0
v = k1 u1 + k2 u2
Para conseguir encontrar as coordenadas velhas de v, devemos expressar v em termos da
base velha B.

25

v = k1 (au1 + bu2 ) + k2 (cu1 + du2 )


ou
v = (ak1 + ck2 )u1 + (bk2 + dk2 )u2
Assim, o velho vetor de coordenadas de v
ak1 + ck2
a c
k1
[v]B =
=
= P [v]B 0
bk2 + dk2
b d
k2
Essa equao arma que o velho vetor de coordenadas [v]B o resultado da multiplicao
a c
do novo vetor de coordenadas [v]B 0 , a esquerda pela matriz P =
b d
Resultado para o problema de mudanga de base Se mudarmos a base de um
0
espao vetorial V de alguma base velha B = fu1 ; u2 ; :::; un g para uma base nova B =
0
0
0
fu1 ; u2 ; :::; un g, ento, dado qualquer vetor v em V , o velho vetor de coordenadas [v]B
est relacionado com o novo vetor de coordenadas [v]B 0 pela equao [v]B = P [v]B 0
onde as colunas de P so os vetores de coordenadas dos vetores da base nova em relao a
0
0
0
base velha; ou seja, os vetores coluna de P so [u1 ]B ; [u2 ]B ; :::; e [un ]B :
A matriz P denominada matriz de transio de B 0 para B que, para enfatizar, muitas
vezes denotamos por PB 0 !B . Portanto, essa matriz pode ser expressa em termos de seus
vetores colunah como
i
0
0
0
PB 0 !B = [u1 ]B j[u2 ]B j:::je[un ]B ou seja [v]B = PB 0 !B [v]B 0
Analogamente,a matriz de transio de B para B 0 pode ser expressa em termos de seus
vetores coluna por
PB!B 0 = [[u1 ]B 0 j[u2 ]B 0 j:::j[un ]B 0 ]ou seja [v]B 0 = PB!B 0 [v]B

Exemplo 103 Encontrando matrizes de transio


0

Considere as bases B = fu1 ; u2 g e B 0 = fu1 ; u2 g de R2 , onde u1 = (1; 0); u2 = (0; 1); u1 =


0
(1; 1); u2 = (2; 1)
(a) Encontre a matriz de transio PB 0 !B de B 0 para B. ([v]B 0 ! [v]B )
(b) Encontre a matriz de translao PB!B 0 , de B para B 0 .([v]B ! [v]B 0 )
Soluo 104 (a) Aqui, queremos encontrar a matriz que nos faz expressar as cordenadas
de um vetor qualquer v na base B em termos das cordenadas desse mesmo vetor na base B 0
0
0
0
Queremos encontrar os vetores de coordenadas dos vetores u1 e u2 da base B em relao aos
vetores u1 e u2 da base B. Para isso, observamos que .
0

u1 = k1 u1 + k2 u2 ) (1; 1) = k1 (1; 0) + k2 (0; 1) )


1
1

1
0

0
1

k1
k2

1
1

k1
k2

1
0

0
1

c1
c2

2
1

c1
c2

) u1 = u1 + u2
0

u2 = c1 u1 + c2 u2 ) (2; 1) = c1 (1; 0) + c2 (0; 1) )


0
2
) u2 = 2u1 + u2
1
do que segue que
h 0i
h 0i
1
u1 =
e u2 =
1

e portanto, PB 0 !B =
[v]B =

1
1

2
1

2
1
1
1

2
1

[v]B 0

Para vericar que deu certo, pegue um vetor qualquer v dentro do espao gerado pelo
0
0
0
5
u1 e u2 , por exemplo, v = (3; 4), logo v = 5u1 u2 e portanto [v]B 0 =
na base
1
1 2
5
3
B. Substitua na equao anterior [v]B =
=
. Consequentemente,
1 1
1
4
v = 3u1 + 4u2 = 3(1; 0) + 4(0; 1) = (3; 4) s que agora na base B 0 :
0

26

Soluo 105 (b) Aqui, queremos encontrar a matriz que nos faz expressar as cordenadas
0
de um vetor qualquer v na base B em termos das cordenadas desse mesmo vetor na base B
Queremos encontrar os vetores de coordenadas dos vetores u1 e u2 da base B em relao aos
0
0
0
vetores u1 e u2 da base B . Para isso, observamos que
0

u1 = k1 u1 + k2 u2 ) (1; 0) = k1 (1; 1) + k2 (2; 1) )


k1 + 2k2 = 1
)
k1 + k2 = 0
0

k1
k2

1
1

) u1 =

1
1

2
1

k1
k2

1
0

u1 + u2

u2 = c1 u1 +c2 u2 ) (0; 1) = c1 (1; 1)+c2 (2; 1) )

1
1

2
1

c1
c2

0
1

k1 + 2k2 = 0
)
k1 + k2 = 1

c1
2
) u2 = 2u1 u2
=
c2
1
do que segue que
h 0i
h 0i
1
2
u1 =
e u2 =
1
1
1 2
e portanto, PB!B 0 =
1
1
1 2
[v]B 0 =
[v]B
1
1
Para vericar que deu certo, pegue um vetor qualquer v dentro do espao gerado pelo u1
5
e u2 , por exemplo, v = ( 5; 3), logo v = 5u1 + 3u2 e portanto [v]B =
. Substitua na
3
0
1 2
5
11
equao anterior [v]B 0 =
=
. Consequentemente, v = 11u1
1
1
3
8
0
8u2 = 11(1; 1) 8(2; 1) = ( 5; 3)
Suponha, agora, que B e B 0 sejam as bases de um espao vetorial V de dimenso nita.
Como a multiplicao por PB 0 !B transforma vetores de coordenadas em relao base B 0
em vetores de coordenadas em relao base B, e PB!B 0 , transforma vetores de coordenadas
em relao base B em vetores de coordenadas em relao base B 0 , segue que para cada
vetor v de V temos
[v]B = PB 0 !B [v]B 0
[v]B 0 = PB!B 0 [v]B
Exemplo 106 Calculando vetores de coordenadas
Sejam B e B 0 as bases no Exemplo anterior. Use uma frmula apropriada para encontrar
3
[v]B , sabendo que [v]B 0 =
5
Soluo 107 Para encontrar [v]B precisamos fazer a transio de B 0 para B. Das matrizes
de transies anteriores, segue que
[v]B = PB 0 !B [v]B 0 =
3.4.1

1
1

2
1

3
5

7
2

ou seja, [v]B =

7
2

Invertibilidade de Matrizes de Transio

Se B e B 0 forem bases de um espao vetorial V de dimenso nita, ento


(PB 0 !B )(PB!B 0 ) = PB!B = I
j que a multiplicao por (PB 0 !B )(PB!B 0 ) transforma inicialmente as coordenadas de
um vetor em relao a B nas coordenadas em relao a B 0 e, depois, transforma essas
coordenadas em relao a B 0 de volta nas coordenadas em relao a B. Como o efeito nal
das duas operaes deixar cada vetor de coordenadas no lugar em que se encontrava, somos
levados a concluir que PB!B deve ser a matriz identidade, ou seja, (PB 0 !B )(PB!B 0 ) = I
Por exemplo, com as matrizes de transio obtidas no Exemplo anterior, temos

27

1 2
1 2
1 0
=
=I
1
1
1 1
0 1
Segue que (PB 0 !B ) invertvel e que sua inversa (PB!B 0 ),. Assim, obtemos o teorema
a seguir.
(PB 0 !B )(PB!B 0 ) =

Teorema 108 Se P for uma matriz de transio de uma base B para uma base B de um
espao vetorial V de dimenso nita, ento P invertvel e P 1 a matriz de transio de
0
B para B
Nosso prximo objetivo desenvolver um procedimento eciente para calcular matrizes matrizes de transio de transio entre bases de Rn . Conforme ilustrado no
Exemplo anterior, no primeiro passo no clculo de uma matriz de transio expressar cada
vetor da base nova como uma combinao linear dos vetores da base antiga. Em Rn , isso envolve resolver n sistemas lineares em n incgnitas, todos com a mesma matriz de coecientes
(por qu?).
Um procedimento para calcular PB!B 0
Passo 1. Montamos a matriz [B 0 jB].
Passo 2. Reduzimos a matriz do Passo 1 forma escalonada reduzida usando operaes
elementares com as linhas (Gauss Jordan).
Passo 3. A matriz resultante [IjPB!B 0 ].
Passo 4. Extramos a matriz PB!B 0 , do lado direito da matriz do Passo 3.
Esse procedimento capturado no diagrama seguinte.
[B 0 jB]Gauss Jordan[IjPB!B 0 ]
!
Exemplo 109 Relembrando o exemplo anterior
Relembrando a parte (a) do exemplo anterior temos
1 0
k1
1
1 0
c1
2
=
e
=
0 1
k2
1
0 1
c2
1
Como as duas matrizes de coecientes so as mesmas, podemos agrupar os dois
da seguinte forma
1 0
k1 c1
1 2
=
note que a matriz aumentada desse sistema
0 1
k2 c2
1 1
1 0
no preciso fazer nenhuma manipulao para obter I PB 0 !B =
0 1
1 2
O sistema j est resolvido e a soluo PB 0 !B =
.
1 1

sistemas
B

1 2
1 1

Relembrando a parte (b) do exemplo anterior


1 2
k1
1
=
1 1
k2
0
1 2
c1
0
=
1 1
c2
1
Como as duas matrizes de coecientes so as mesmas, podemos agrupar os dois sistemas
da seguinte forma
1 2
k1 c1
1 0
=
note que a matriz aumentada desse sistema
1 1
k2 c2
0 1
0
B
B
Para resolver esse sistema temos que aplicar o mtodo de Gauss Jordan (Se AX = I,
1 0
1 2
ento IX = A 1 ). O resultado ser I PB!B 0 =
:
0 1
1
1
Transio para a Base Cannica no Rn
Note que, na parte (a) do ltimo exemplo, os vetores coluna da matriz que faz a transio
da base B 0 para a base cannica foram exatamente os vetores de B 0 escritos em forma de
colunas. Isso ilustra o seguinte resultado geral.
28

Teorema 110 Sejam B 0 = fu1 ; u2 ; :::; un g uma base qualquer do espao vetorial Rn e S =
fe1 ; e2 ; :::; en g.a base cannica do Rn . Se os vetores dessas bases forem escritos em forma de
colunas, ento
PB 0 !S = [u1 ju2 j:::jun ]
Segue desse teorema que se
A = [u1 ju2 j:::jun ] uma matriz n x n invertvel qualquer, ento A pode ser vista como a
matriz de transio da base fu1 ; u2 ; :::; un g de Rn para a base cannica de Rn . Assim, por
exemplo,2a matriz 3
1 2 3
A = 4 2 5 3 5 invertvel (det A 6= 0) e portanto, uma matriz de transio da base
1 0 8
u1 = (1; 2; 1) : u2 = (2; 5; 0); u3 = (3; 3; 8) para a base e1 = (1; 0; 0); e2 = (0; 1; 0); e3 =
(0; 0; 1)

3.5

Espao linha, espao coluna e espao nulo

Nesta seo, estudamos alguns espaos vetoriais importantes associados com matrizes. Aprofundaremos o entendimento das relaes entre as solues de um sistema linear e as
propriedades de sua matriz de coecientes.
Para 2uma matriz n x n
3
a11 a12 ::: a1n
6 a21 a22 ::: a2n 7
6
7
A=6 .
..
.. 7
..
4 ..
.
.
. 5
am1 am2 ::: amn
Os vetores
r1 = a11 a12 ::: a1n
r2 = a21 a22 ::: a2n
..
.
rm = am1 am2 ::: amn
em Rn formados pelas linhas de A so denominados vetores linha de A, e os vetores
2

6
6
c1 = 6
4

a11
a21
..
.

6
7
6
7
7 ; c2 = 6
4
5

a12
a22
..
.

6
7
6
7
7 ; :::; cn = 6
4
5

a1n
a2n
..
.

3
7
7
7
5

am1
am2
amn
em Rn formados pelas colunas de A so denorninados vetores coluna de A.
Denio 111 Se A for uma matriz m x n, ento o subespao de Rn gerado pelos vetores
linha de A denominado espao linha de A, e o subespao de Rm gerado pelos vetores coluna
de A denominado espao coluna de A. O espao soluo do sistema homogneo de equaes
Ax = 0, que um subespao de Rn , denominado espao nulo de A.
Nesta seo e na prxima, iremos nos ocupar de duas questes gerais.
Questo 1. Quais relaes existem entre as solues de um sistema linear Ax = b e o
espao linha, o espao coluna e o espao nulo da matriz de coecientes A?
Questo 2. Quais relaes existem entre o espao linha, o espao coluna e o espao nulo
de uma matriz?
Comeando
com a primeira questo,
2
3
2suponha
3 que
a11 a12 ::: a1n
x1
6 a21 a22 ::: a2n 7
6 x2 7
6
7
6
7
A=6 .
e=6 . 7
7
.
.
.
..
..
.. 5
4 ..
4 .. 5
am1 am2 ::: amn
xn
29

Se c1 ; c2 ; :::; cn denotam os vetores coluna de A, ento o produto Ax pode ser expresso


como uma combinao linear desses vetores com coecientes de x, ou seja,
Ax = x1 c1 + x2 c2 + ::: + xn cn
Assim, um sistema linear Ax = b de m equaes em n incgnitas pode ser escrito como
x1 c1 + x2 c2 + ::: + xn cn = b do que podemos concluir que Ax = b consistente se, e s se,
b pode ser expresso como uma combinao linear dos vetores coluna de A. Isso fornece o
seguinte teorema.
Teorema 112 Um sistema linear Ax = b de equaes lineares consistente se, e s se, b
est no espao coluna de A
Seja
linear
2 Ax = b o sistema
32
3 2
3
1 3 2
x1
1
4 1 2
3 5 4 x2 5 = 4 9 5
2 1
2
x3
3
Mostre que b est no espao coluna de A expressando b como uma combinao linear dos
vetores coluna de A.
Soluo 113 Resolvendo o sistema por eliminao gaussiana, obtemos (verique)
x12= 2; x32 = 2 1; x33 = 32ou seja,
3 2
3
3
2
1
1
logo, b est no espao coluna de A.
24 1 5 4 2 5 + 34 3 5 = 4 9 5
1
2
3
2
Relembrando, sabemos que a soluo geral de um sistema linear consistente Ax = b
pode ser obtida somando qualquer soluo especca desse sistema com a soluo geral do
sistema linear homogneo Ax = 0 correspondente. Lembrando que o espao nulo de A
igual ao espao soluo de Ax = 0, podemos reescrever aquele teorema neste formato.
Teorema 114 Se x0 denotar uma soluo qualquer de um sistema linear consistente Ax = b
e se S = fv1 ; v2 ; :::; vk g for uma base do espao nulo de A, ento cada soluo de Ax = b
pode ser expressa na forma
x = x0 + c1 v1 + c2 v2 + ::: + ck vk
(x =sol. part.+solu geral)
reciprocamente, com qualquer escolha dos escalares c1 ; c2 ; :::; ck , o vetor x dessa formula
uma soluo de Ax = b: O conjunto das solues de Ax = b pode ser visto geometricamente
como a translaopor x0 do espao soluo de Ax = 0 (ver g abaixo).

Soluo geral de um sistema linear Ax = b


Na subseo nal da Seo 3.4, comparamos as solues dos sistemas lineares

30

2
2

1 3
6 2 6
6
4 0 0
2 6

2
5
5
0

0 2
2 4
10 0
8 4

6
0
6
7
3 76
6
15 5 6
6
18 4

x1
x2
x3
x4
x5
x6

7
7
7 6
7=6
7 4
7
5

3 2

0
1
6 2
0 7
7e6
0 5 4 0
0
2

3
6
0
6

2
5
5
0

0 2
2 4
10 0
8 4

6
0
6
7
3 76
6
15 5 6
6
18 4

x1
x2
x3
x4
x5
x6

7
7
7
7=
7
7
5

3
0
6 1 7
6
7
4 5 5
6
deduzimos que a soluo geral x do sistema no homogneo e a soluo geral xh do sistema homogneo
correspondente (quando
vetor
por
2 relacionadas
3
2
3 2
2
3esto
2
3 coluna)
3 2 escrita
3 como
3r 4s 2t
0
2
x1
4
3
6 x2 7 6
7 6 0 7 6 1 7 6 0 7 6 0 7
r
7
6
7 6
7 6
7 6
7 6
7 6
6 x3 7 6
7 6 0 7 6 0 7 6 2 7 6 0 7
2s
7
7=6
7+t 6
7+s 6
7=6
7+r 6
x=6
6 x4 7 6
7 6 0 7 6 0 7 6 1 7 6 0 7 = x0 +xh
s
7
6
7 6
7 6
7 6
7 6
7 6
4 x5 5 4
5 4 0 5 4 0 5 4 0 5 4 1 5
t
1
1
0
x6
0
0
3
3
Sabemos que os vetores em xh formam uma base do espao soluo de Ax = 0.

3.6

Bases dos espaos linha, coluna e nulo

Iniciamos o desenvolvimento de operaes elementares com linhas com o propsito de resolver


sistemas lineares, e nosso trabalho mostrou que efetuar uma operao elementar com
as linhas de uma matriz aumentada no altera o conjunto de solues do sistema
linear correspondente. Segue que aplicar uma operao elementar com as linhas de A
no muda o conjunto de solues do sistema linear Ax = 0 correspondente ou, dito de outra
forma, no altera o espao nulo de A. Assim, temos o teorema seguinte.
Teorema 115 As operaes elementares com linhas no alteram o espao nulo de uma matriz
Teorema 116 As operaes elementares com linhas no alteram o espao linha de uma
matriz
Os Teoremas anteriores podem levar o leitor a acreditar erroneamente que as operaes
elementares com linhas no afetam o espao coluna de uma matriz. Para ver por que isso
no verdade, compare a matrizes
1 3
1 3
A=
eB=
2 6
0 0
A matriz B pode ser obtida de A somando -2 vezes a primeira linha segunda (operao sobre linhas). Contudo, essa operao mudou o espao coluna de A, pois esse espao
1
coluna consiste nos mltiplos escalares de
enquanto o espao coluna de B consiste nos
2
1
mltiplos escalares de
e os dois espaos so diferentes.
0
Exemplo 117 Encontrando uma base do espao nulo de uma matriz
Encontre
uma base do espao nulo
2
3 da matriz A
1 3
2 0 2 0
6 2 6
5
2 4
3 7
7
A=6
4 0 0 5
10 0 15 5
2 6 0
8 4 18
O espao nulo de A o espao soluo do sistema linear homogneo Ax = 0 que, conforme
vimos no Exemplo anterior, tem a base

31

6
6
6
v1 = 6
6
6
4

3
1
0
0
0
0

6
7
6
7
6
7
7 ; v2 = 6
6
7
6
7
4
5

4
0
2
1
0
0

6
7
6
7
6
7
7 ; v3 = 6
6
7
6
7
4
5

2
0
0
0
1
0

3
7
7
7
7
7
7
5

O prximo teorema toma possvel encontrar, apenas por inspeo, bases para os espaos
linha e coluna de uma matriz em forma escalonada.
Teorema 118 Se uma matriz R est em forma escalonada por linhas, ento os vetores linha
com os pivs (ou seja, os vetores linha no nulos) formam uma base do espao linha de R,
e os vetores coluna com os pivs formam uma base do espao coluna de R.
Exemplo 119 Bases dos espaos linha e coluna
A matriz
3
2
1
2 5 0 3
6 0 1 3 0 0 7
7
R=6
4 0 0 0 1 0 5
0 0 0 0 0
est em forma escalonada por linhas. Pelo Teorema anterior, os vetores
r1 = [1; 2; 5; 0; 3]
r2 = [0; 1; 3; 0; 0]
r3 = [0; 0; 0; 1; 0]
e os vetores
3
2 3
2
2 3
0
2
1
6 0 7
6 1 7
6 0 7
7
6 7
7
6
c1 = 6
4 0 5 ; c2 = 4 0 5 ; c3 = 4 1 5
0
0
0
formam uma base do espao coluna de R:
Exemplo 120 Bases de um espao linha com reduo por linhas
Encontre
uma base do espao linha da3 matriz
2
1
3 4
2 5
4
6 2
6
9
1
8
2 7
7
A=6
4 2
6 9
1 9
7 5
1 3
4 2
5
4

Soluo 121 Como operaes elementares com linhas no alteram o espao linha de uma
matriz, podemos encontrar uma base do espao linha deA encontrando uma base do espao
linha de qualquer forma escalonada por linhas de A. Reduzindo A forma escalonada reduzida
por linhas, obtemos (verique)
2
3
1
3 4
2 5
4
6 0 0 1 3
2
6 7
7
R=6
4 0 0 0 0
1
5 5
0 0 0 0
0
0
Pelo Teorema anterior, os vetores linha no nulos de R formam uma base do espao linha
de R e, portanto, formam uma base do espao linha de A. Esses vetores de base so
r1 = [1; 3; 4; 2; 5; 4]
r1 = [0; 0; 1; 3; 2; 6]
r1 = [0; 0; 0; 0; 1; 5]
O problema de encontrar uma base do espao coluna da matriz A no exemplo anterior
complicado pelo fato de que uma operao elementar com linhas pode alterar o espao

32

coluna. Contudo, a boa notcia que as operaes elementares com linhas no alteram
as relaes de dependncia linear entre os vetores coluna. Para tomar isso mais preciso,
suponha que w1 ; w2 ; :::; wk sejam vetores coluna linearmente dependentes de A, de modo
que existam escalares c1 ; c2 ; :::; ck no todos nulos e tais que
Efetuando uma operao elementar com as linhas de A, esses vetores sero alterados
0
0
0
em novos vetores coluna w1 ; w2 ; :::; wk . A primeira vista, poderia parecer possvel que os
vetores transformados poderiam ser linearmente independentes. Contudo, isso no ocorre,
pois pode ser provado que esses novos vetores colrma sero linearmente dependentes e, de
fato, relacionados por uma equao
0
0
0
c1 w1 + c2 w2 + ::: + ck wk = 0
que tem exatamente os mesmos coecientes da equao anterior. O fato de as operaes
elementares preservarem a independncia linear entre vetores coluna decorre do fato de essas
operaes serem reversveis (por qu?). O prximo teorema resume todos esses resultados.
Teorema 122 Sejam A e B matrizes equivalentes por linhas
(a) Um conjunto qualquer de vetores coluna de A LI se, e s se, o conjunto de vetores
colunas de B LI.
(b) Um conjunto qualquer de vetores coluna de A forma uma base do espao coluna de
A se, e s se, o conjunto de vetores colunas correspondentes de B forma uma base do espao
coluna de B.
Exemplo 123 Base de um espao coluna com reduo por linhas
Encontre
uma base do espao coluna 3
da matriz
2
1
3 4
2 5
4
6 2
6 9
1 8
2 7
7
A=6
4 2
6 9
1 9
7 5
1 3
4 2
5
4
No exemplo
anterior
vimos
que
3
2
1
3 4
2 5
4
6 0 0 1 3
2
6 7
7
R=6
4 0 0 0 0
1
5 5
0 0 0 0
0
0
uma forma escalonada reduzida por linhas de A. Lembrando que A e R podem
ter espaos coluna distintos, no podemos encontrar uma base do espao coluna de A
diretamente a partir dos vetores coluna de R. Contudo, segue do Teorema anterior que se
encontrarmos um conjunto de vetores coluna de R que formem uma base do espao coluna
de R, ento os vetores coluna de A correspondentes formaro uma base do espao coluna de
A.
Como as primeira, terceira e quinta colunas de R contm os pivs dos vetores linha, temos
que os vetores
2 3
2 3
2
3
1
4
5
6 0 7 0
6 1 7 0
6 2 7
0
7
6 7
6
7
c1 = 6
4 0 5 ; c2 = 4 0 5 ; c3 = 4 1 5
0
0
0
formam uma base do espao coluna de R. Assim, os vetores coluna de A correspondentes,
a saber, 2
3
2
3
2
3
1
4
5
6 2 7
6 9 7
6 8 7
7
6
7
6
7
c1 = 6
4 2 5 ; c2 = 4 9 5 ; c3 = 4 9 5
1
4
5
formam uma base do espao coluna de A.
Ate aqui, focamos nosso estudo em mtodos para encontrar bases associadas a matrizes.
Esses mtodos podem ser facilnente adaptados ao problema mais geral de encontraruma base
do espao gerado por um conjunto de vetores em Rn .
33

Base de um espao vetorial usando operaes com linhas


Encontre uma base do subespao de R5 gerado pelos vetores
v1 = (1; 2; 0; 0; 3); v2 = (2; 5; 2; 2; 6); v3 = (0; 5; 15; 10; 0); v4 = (2; 6; 18; 8; 6)
O espao
gerado por esses vetores
o espao linha da matriz
2
3
1
2 0
0 3
6 2
5
3
2 6 7
7
A=6
4 0 5
15 10 0 5
2 6
18
8 6
Reduzindo
essa
matriz
a uma
forma escalonada por linhas, obtemos
2
3
1
2 0 0 3
6 0 1 3 2 0 7
7
R=6
4 0 0 1 1 0 5
0 0 0 0 0
Os vetores linha no nulos nessa matriz so w1 = (1; 2; 0; 0; 3); w2 = (0; 1; 3; 2; 0); w3 =
(0; 0; 1; 1; 0)
Esses vetores formam uma base do espao linha e, consequentemente, formam uma base
do subespao de R5 gerado por v1 ; v2 ; v3 ; v4 :
Em todos os nossos exemplos considerados at aqui, procuramos bases sem considerar
restries particulares impostas sobre os vetores individuais na base. Agora atacamos o
problema de encontrar uma base do espao linha de uma matriz A constituda
inteiramente de vetores linha de A e uma base do espao coluna de A constituda
inteiramente de vetores coluna de A.
Reetindo sobre o que zemos anterionnente, vemos que o procedimento usado no Exemplo 7 produziu, de fato, uma base do espao coluna de A constituda de vetores coluna de
A, ao passo que o procedimento usado no Exemplo 6 produziu uma base do espao linha de
A, mas aquela base no consistia em vetores linha de A. O prximo exemplo mostra como
adaptar o procedimento do Exemplo 7 para encontrar uma base do espao linha de uma
matriz que seja formada por seus vetores linha.
Exemplo 124 Uma base do espao linha de uma matriz
Encontre
uma base do espao3linha de
2
1
2 0
0 3
6 2
5
3
2 6 7
7
A=6
4 0 5
15 10 0 5
2 6
18
8 6
consistindo totalmente em vetores linha de A.
Soluo 125 Vamos transpor A e, com isso, converter o espao linha de A no espao coluna
de AT ; em seguida, usaremos o mtodo do Exemplo 7 para encontrar uma base do espao
coluna de AT e, nalmente, vamos transpor de novo para converter os vetores coluna de volta
para vetores linha. Transpondo A, obtemos
2
3
1
2
0 2
6 2
5 5 6 7
6
7
6
3 15 18 7
A=6 0
7
4 0
2 10 8 5
3
6
0 6
Reduzindo
essa matriz a 3uma forma escalonada por linhas, obtemos
2
1 2 0
2
6 0 1
5
10 7
6
7
6
1 7
R=6 0 0 0
7
4 0 0 0
0 5
0 0 0
0

As primeira, segunda e quarta colunas contm pivs, de modo que os vetores coluna de
AT correspondentes formam uma base do espao coluna de AT , a saber,
34

6
6
c1 = 6
6
4

1
2
0
0
3

6
7
6
7
7 ; c2 = 6
6
7
4
5

2
5
3
2
6

6
7
6
7
7 ; c4 = 6
6
7
4
5

2
6
18
8
6

3
7
7
7
7
5

Transpondo de novo e ajustando a notao de acordo, obtemos os vetores


r1 = [1, 2; 0; 0; 3]; r2 = [2; 5; 3; 2; 6] e r4 = [2; 6; 1; 8; 8; 6]
que formam uma base do espao linha de A.
Em seguida, veremos um exemplo que adapta os mtodos desenvolvidos acima para resolver o problema geral em Rn que segue.
Problema Dado um conjunto S = fv1 ; v2 ; :::; vk g de vetores em Rn , encontre um subconjunto desses vetores que forme uma base de ger(S) e expresse os vetores que no estejam
na base como combinaes lineares dos vetores da base.
Exemplo 126 Bases e combinaes lineares
(a) Encontre um subconjunto dos vetores
v1 = (1; 2; 0; 3); v2 = (2; 5; 3; 6); v3 = (0; 1; 3; 0); v4 = (2; 1; 4; 7); v5 = (5; 8; 1; 2)
que forma uma base para o espao gerado por esses vetores.
(b) Expresse cada vetor no da base como uma combinao linear dos vetores da base.
Soluo 127 (a) Comeamos construindo uma matriz que tem v1 ; v2 ; v3 ; v4 ; v5 como vetores
coluna, como segue.
3
2
1
2 0 2
5
6 2
5 1
1
8 7
7
A=6
4 0
3 3 4
1 5
3
6 0
7 2
A primeira parte de nosso problema pode ser resolvida encontrando uma base do espao
coluna dessa matriz. Reduzindo a matriz a uma forma escalonada reduzida por
linhas e2denotando os vetores
3 coluna da matriz resultante por w1 ; w2 ; w3 ; w4 ; w5 , obtemos
1 0 2 0 1
6 0 1
1 0 1 7
7
R=6
4 0 0 0 1 1 5
0 0 0 0 0
Os pivs ocorrem nas colunas 1, 2 e 4 e, portanto, pelo Teorema,
fw1 ; w2 ; w4 g
uma base do espao coluna de A e, consequentemente,fv1 ; v2 ; v4 g uma base do espao
coluna de A.
Soluo 128 (b) Comeamos expressando w3 e w5 como combinaes lineares dos Vetores
w1 ; w2 ; w4 da base. A maneira mais simples de fazer isso expressar W3 e W5 em termos dos
vetores da base com os menores ndices. Assim, expressaremos w3 como combinao linear
de w1 e w2 e w5 como combinao linear de w1 ; w2 ; w4 . Inspecionando R, essas combinaes
lineares so
w3 = 2w1 w2
w5 = w1 + w2 + w4
denominadas equaes de dependncia. As relaes correspondentes em A so
v3 = 2v1 v2
v5 = v1 + v2 + v4
A seguir, apresentamos um resumo dos passos que seguimos no ltimo exemplo para
resolver o problema proposto.
Base de ger(S)
Passo 1. Formamos a matriz A com os vetores em S = fv1 ; v2 ; :::; vk g como vetores
coluna.
35

Passo 2. Reduzimos a matriz A a uma forma escalonada reduzida por linhas R.


Passo 3. Denotamos os vetores coluna de R por w1 ; w2 ; :::; wk g
Passo 4. Identicamos as colunas de R com os pivs. Os Vetores coluna de A corres
pondentes formam uma base de ger(S).
Isso completa a primeira parte do problema.
Passo 5. Obtemos um conjunto de equaes de dependncia expressando cada vetor
coluna de R que no tem piv, como uma combinao linear de vetores coluna que contenham
piv.
Passo 6.Substitumos os vetores coluna de R qe aparecem nas equaes de dependncia
pelos vetores coluna de A correspondentes.

3.7

Posto Nulidade e os espaos matriciais fundamentais

Na seo anterior investigamos as relaes entre um sistema de equaes lineares e os espaos


linha, coluna e nulo de sua matriz de coecientes. Nesta seo, tratamos as dimenes desses
espaos.
Nos exemplos anteriores, vimos que os espaos linha e coluna da matriz
3
2
1
3 4
2 5
4
6 2
6 9
1 8
2 7
7
A=6
4 2
6 9
1 9
7 5
1 3
4 2
5
4
tm tres vetores de base e portanto, ambos so tridimensionais. O fato de esses espaos
terem a mesma dimenso no acidental, mas sim uma consequncia do teorema seguinte.
Teorema 129 Os espaos linha e coluna de uma matriz tm a mesma dimenso

Denio 130 A dimenso comum do espao linha e do espao coluna de uma matriz A
denominada posto de A de denotada por pos(A). A dimenso do espao nulo de A
denominada nulidade de A e denotada por nul(A)
Exemplo 131 Encontre o posto e a nulidade de A
3
2
1 2 0 4
5
3
6 3
7 2 0
1
4 7
7
A=6
4 2
5 2 4
6
1 5
4
9 2
4
4 7

Soluo 132 A forma escalonada reduzida por linhas de A


2
3
1 2 0
4
5
3
6 0 1
2
12
16 5 7
7
R=6
4 0 0 0
0
0
0 5
0 0 0
0
0
0
Como essa matriz tem dois pivs, seus espaos linha e coluna so bidimensionais e
pos(A)=2. Para encontrar a Nulidade de A, devemos encontrar a soluo do sistema linear
Ax = 0 O sistema ser reduzido a
1x1 + 2x2 + 0x3 + 4x4 + 5x5 3x6 = 0
0x1 + 1x2 2x3 12x4 16x5 + 5x6 = 0
Resolvendo para as variveis lderes
x1 = 4x2 + 0x3 + 28x4 + 37x5 13x6
x2 = 2x3 + 12x4 + 16x5 5x6
A soluo geral
x1 = 4r + 28s + 37t 13u
x2 = 2r + 12s + 16t 5u
36

x3 = r
x4 = s
x5 = t
x6 = u
Ou em formato paramtrico
x1 = 4r + 28s + 37t 13u
x2 = 2r + 12s + 16t 5u
x3 = r
x4 = s
x5 = t
x
2
3
2
3
2
3
2 3
26 = u3
13
37
28
4
x1
6
6 16 7
6 12 7
6 2 7
6 x2 7
5 7
6
7
6
7
6
7
6 7
6
7
6 0 7
6 0 7
6 0 7
6 1 7
6 x3 7
7
7 + u6
7 + t6
6
7 = r6 7 + s6
6 0 7
6 0 7
6 1 7
6 0 7
6 x4 7
6
7
6
7
6
7
6 7
6
7
4 0 5
4 1 5
4 0 5
4 0 5
4 x5 5
1
0
0
0
x6
Como os 4 vetores do lado direito de fomam uma base do espao soluo, temos nul(A)=4.
Exemplo 133 Valor mximo do posto
Qual o valor mximo possvel para o posto de uma matriz A de tamanho m x n que
no quadrada?
Soluo 134 Como os vetores linha de A esto em Rn e os vetores coluna, em Rm , o espao
linha de A tem, no mximo, dimenso n, e o espao coluna de A tem, no mximo, dimenso
m. Como o posto de A a dimenso comum dos espaos linha ecoluna, segue que o posto ,
no mximo, o menor dos dois nmeros m e n. Isso pode ser denotado por
pos(A) min(m; n)
em que min(m; n) o mnimo entre m e n.
O teorema seguinte estabelece uma relao importante entre o posto e a nulidade de uma
matriz.
Teorema 135 Se A for uma matriz com n colunas, ento
pos(A) + nul(A) = n
Como A tem n colunas, o sistema linear homogneo Ax = 0 tem n incgnitas (variveis).
Essas variveis entram em duas categorias: as lderes e as livres. Assim,
[nmero de variveis lderes] + [nmero de variveis livres] = n
Ocorre que o nmero de variveis lderes igual ao nmero de pivs na forma escalonada
reduzida por linhas de A, que o posto de A, e o nmero de variveis livres igual ao nmero
de parmetros na soluo geral de Ax = 0
Exemplo 136 A soma do posto e a nulidade
2
3
1 2 0 4
5
3
6 3
7 2 0
1
4 7
7
A=6
4 2
5 2 4
6
1 5
4
9 2
4
4 7
tem 6 colunas, portanto, pos(A) + nul(A) = 6
Isto consistente com o exemplo onde pos(A) = 2 e N ul(A) = 4

37